論文の概要: GNM Head: A Generative aNthropometric Model of the human head

• arxiv url: http://arxiv.org/abs/2607.23687v1
• Date: Sun, 26 Jul 2026 14:34:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.190211
• Title: GNM Head: A Generative aNthropometric Model of the human head
• Title（参考訳）: GNMヘッド:ヒト頭部の遺伝子aNthropometric Model
• Abstract要約: 本稿では,ヒトゲノムのホモフォンとして命名されたGNM(Generative aNthropometric Model)を紹介する。 GNMは、高解像度の3Dスキャンと高品質な解剖学的特定のアーティストによるサンプルを組み合わせた、広範囲なデータベース上に構築されている。 本報告では, 眼内構造と口腔内構造に特化されたサブモデルを含むデータプロファイナンス, モデルアーキテクチャについて詳述し, ターゲット3D顔スキャンにおけるSotAの性能について述べる。
• 参考スコア（独自算出の注目度）: 70.2826707393589
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Parametric models of the human head are essential tools traditionally used in computer vision and graphics for animation, rendering, and reconstruction. More recently, they serve as crucial conditioning signals within generative large vision models, allowing for tight spatial control of generated imagery. However, existing publicly available models are typically limited in anatomical scope, modeling only outer geometry while ignoring intra-oral and ocular structures, and frequently suffer from reduced geometric quality stemming from low-fidelity input datasets. In this report we introduce a new parametric model dubbed Generative aNthropometric Model (GNM), named as a homophone of the human genome. GNM encompasses the head, face, neck, eyeballs, teeth, and tongue, and it is built on an extensive database of high-resolution 3D scans combined with high-quality anatomy specific artist-made samples. This report details the data provenance, the model architecture including the specialized sub-models for the ocular and intra-oral structures, and shows its SotA performance on fitting target 3D face scans. To foster community innovation, the complete GNM framework is made publicly available.
• Abstract（参考訳）: 人間の頭部のパラメトリックモデルは、伝統的にコンピュータビジョンやグラフィックにおいてアニメーション、レンダリング、再構成に使用される重要なツールである。 最近では、生成する大きな視覚モデルにおいて重要な条件付け信号として機能し、生成した画像の空間的制御を厳密に行うことができる。 しかし、既存の公開モデルは解剖学的範囲に限られており、口内構造や眼内構造を無視しながら外形のみをモデル化し、しばしば低忠実度入力データセットから生じる幾何学的品質の低下に悩まされる。 本稿では,ヒトゲノムのホモフォンとしてGNM(Generative aNthropometric Model)と呼ばれる新しいパラメトリックモデルを紹介する。 GNMは頭部、顔、首、眼球、歯、舌を包含し、高解像度の3Dスキャンと高品質の解剖学的特異なアーティスト製のサンプルを組み合わせたデータベース上に構築されている。 本報告では, 眼内構造と口腔内構造に特化されたサブモデルを含むデータプロファイナンス, モデルアーキテクチャについて詳述し, ターゲット3D顔スキャンにおけるSotAの性能について述べる。 コミュニティのイノベーションを促進するため、完全なGNMフレームワークが公開されている。

関連論文リスト

• TOPOS: High-Fidelity and Efficient Industry-Grade 3D Head Generation [9.53378027462208]
  高忠実度3Dヘッドジェネレーションは、映画、アニメーション、ビデオゲーム産業において重要な役割を担っている。 本稿では,単一画像条件付き3次元ヘッド生成に適したフレームワークであるTOPOSを提案する。
  論文  参考訳（メタデータ） (2026-05-14T09:02:32Z)
• SAM 3D Body: Robust Full-Body Human Mesh Recovery [65.0108906331903]
  シングルイメージフルボディ3Dヒューマンメッシュリカバリ(HMR)のためのアクセラブルモデルSAM 3D Body (3DB)を紹介する。 3DBは、身体、足、手の人間のポーズを推定します。 骨格構造と表面形状を分離する新しいパラメトリックメッシュ表現であるMomentum Human Rig(MHR)を使用した最初のモデルである。
  論文  参考訳（メタデータ） (2026-02-17T20:26:37Z)
• GRACE: Estimating Geometry-level 3D Human-Scene Contact from 2D Images [54.602947113980655]
  人景接触の幾何レベルを推定することは、特定の接触面点を3次元の人間ジオメトリに接することを目的としている。 GRACE(Geometry-level Reasoning for 3D Human-scene Contact Estimation)は,3次元接触推定のための新しいパラダイムである。 ポイントクラウドエンコーダ/デコーダアーキテクチャと階層的特徴抽出と融合モジュールが組み込まれている。
  論文  参考訳（メタデータ） (2025-05-10T09:25:46Z)
• VGGHeads: 3D Multi Head Alignment with a Large-Scale Synthetic Dataset [18.62716110331954]
  本稿では,人間の頭部検出と3次元メッシュ推定のための拡散モデルを用いた大規模合成データセットを提案する。 私たちのデータセットは100万以上の高解像度画像で構成されており、それぞれに詳細な3Dヘッドメッシュ、顔のランドマーク、バウンディングボックスがアノテートされている。 このデータセットを用いて、1ステップで1つの画像から頭部検出と頭部メッシュ再構築を同時に行うことができる新しいモデルアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-07-25T17:58:17Z)
• Neural Localizer Fields for Continuous 3D Human Pose and Shape Estimation [32.30055363306321]
  本研究では、異なる人間のポーズや形状に関連したタスクやデータセットをシームレスに統一するパラダイムを提案する。 我々の定式化は、人間の容積の任意の点を問合せし、推定位置を3Dで取得することに集中している。
  論文  参考訳（メタデータ） (2024-07-10T10:44:18Z)
• GeoGen: Geometry-Aware Generative Modeling via Signed Distance Functions [22.077366472693395]
  単一ビューコレクションから3次元形状と画像を合成するための新しい生成手法を提案する。 ニューラルラディアンス場を用いたボリュームレンダリングを用いることで、生成した幾何学はノイズが多く、制約がないという重要な制限を継承する。 エンド・ツー・エンドで訓練された新しいSDFベースの3D生成モデルであるGeoGenを提案する。
  論文  参考訳（メタデータ） (2024-06-06T17:00:10Z)
• Diffusion Models are Efficient Data Generators for Human Mesh Recovery [55.37787289869703]
  生成モデルにより生成された合成データはCGレンダリングデータと相補的であることを示す。 我々はHumanWildと呼ばれる最近の拡散モデルに基づく効率的なデータ生成パイプラインを提案する。 われわれの研究は、人間の3Dリカバリを現場に拡大するための道を開くかもしれない。
  論文  参考訳（メタデータ） (2024-03-17T06:31:16Z)
• GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from Multi-view Images [79.39247661907397]
  本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。 具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
  論文  参考訳（メタデータ） (2023-03-24T03:32:02Z)
• Learning Neural Parametric Head Models [7.679586286000453]
  そこで本研究では,ハイブリッドニューラルネットワークを用いた人間の頭部の3次元形状モデルを提案する。 我々は,手動距離場(SDF)として標準空間内の人物の身元を捉え,ニューラルな変形場を持つ表情をモデル化する。 我々の表現は、顔のアンカーポイントを中心とした局所フィールドのアンサンブルを導入することで、高忠実な局所詳細を実現する。
  論文  参考訳（メタデータ） (2022-12-06T05:24:42Z)
• Free-HeadGAN: Neural Talking Head Synthesis with Explicit Gaze Control [54.079327030892244]
  Free-HeadGANは、人為的なニューラルトーキングヘッド合成システムである。 本研究では,3次元顔のランドマークが不足している顔のモデリングが,最先端の生成性能を達成するのに十分であることを示す。
  論文  参考訳（メタデータ） (2022-08-03T16:46:08Z)
• Generalizable Neural Performer: Learning Robust Radiance Fields for Human Novel View Synthesis [52.720314035084215]
  この研究は、一般のディープラーニングフレームワークを使用して、任意の人間の演奏者の自由視点画像を合成することを目的としている。 我々は、汎用的で堅牢な神経体表現を学習するシンプルな、かつ強力なフレームワーク、Generalizable Neural Performer(GNR)を提案する。 GeneBody-1.0とZJU-Mocapの実験は、最近の最先端の一般化可能な手法よりも、我々の手法の堅牢性を示している。
  論文  参考訳（メタデータ） (2022-04-25T17:14:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。