論文の概要: Forwardrobe: Garment-Aware Gaussian Avatars from a Single Image

• arxiv url: http://arxiv.org/abs/2607.29106v1
• Date: Fri, 31 Jul 2026 07:35:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.646133
• Title: Forwardrobe: Garment-Aware Gaussian Avatars from a Single Image
• Title（参考訳）: フォワードローブ:1枚の画像からガウスアバターを認識
• Abstract要約: フォワードローブ(フォワードローブ)は、1枚の画像から衣服を意識したガウスアバターを再構築するためのフィードフォワードの枠組みである。 分離された衣服層は独立して制御可能な3Dアセットを形成し、衣服編集、転送、および3Dバーチャルトライオンを可能にする。
• 参考スコア（独自算出の注目度）: 8.501597776886967
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing animatable 3D human avatars from a single image remains particularly challenging for loose garments, whose geometry and motion cannot be adequately represented by body-aligned topology and skinning. We present Forwardrobe, a feed-forward framework for reconstructing garment-aware Gaussian avatars from a single image. Forwardrobe explicitly separates clothing from the body in canonical Gaussian space and equips the garment layer with continuity-aware geometry and skinning initialization, pose-conditioned non-rigid deformation, and appearance adaptation. These designs improve garment reconstruction and visual quality during animation, particularly for skirts and dresses. The separated garment layer additionally forms an independently controllable 3D asset, enabling garment editing, transfer, and 3D virtual try-on. Experiments demonstrate improved garment reconstruction quality and greater flexibility in garment manipulation compared with existing single-image avatar reconstruction methods.
• Abstract（参考訳）: 一つの画像からアニマタブルな3Dアバターを再構築することは、体型トポロジーやスキンニングによって、幾何学や動きを適切に表現できないゆるい衣服にとって、特に困難である。 本稿では,1枚の画像から衣料を意識したガウスアバターを再構築するためのフィードフォワードフレームワークであるフォワードローブについて述べる。 フォワードローブは、正統的なガウス空間において、服を体から明確に分離し、連続性を考慮した幾何学とスキン初期化、ポーズ条件の非剛性変形、外観適応を備えた衣服層を装備する。 これらのデザインは、特にスカートやドレスのために、アニメーション中の衣服の再構築と視覚的品質を改善する。 分離された衣服層は、独立して制御可能な3Dアセットを形成し、衣服編集、転送、および3Dバーチャルトライオンを可能にする。 既存の単一画像アバター復元法と比較して, 衣服の再現性の向上と, 衣服操作の柔軟性の向上が示された。

関連論文リスト

• DressWild: Feed-Forward Pose-Agnostic Garment Sewing Pattern Generation from In-the-Wild Images [50.11081091174558]
  本稿では,衣料品のモデリングと製作のための縫製パターン生成に焦点を当てた。 そこで我々は,DressWildを提案する。DressWildは,物理に一貫性のある2Dミシンパターンと,それに対応する3D衣服を,ワン・ザ・ウィンド画像から再構成する新しいフィードフォワードパイプラインである。
  論文  参考訳（メタデータ） (2026-02-18T14:45:15Z)
• Learning High-Fidelity Cloth Animation via Skinning-Free Image Transfer [64.49436559408049]
  身体のポーズから3次元の衣服の変形を生成する新しい手法を提案する。 本手法は,様々な衣料品のアニメーション品質を著しく向上させ,最先端の方法よりも細いしわを回収する。
  論文  参考訳（メタデータ） (2025-12-05T10:28:08Z)
• ReMu: Reconstructing Multi-layer 3D Clothed Human from Image Layers [3.046315755726937]
  本稿では,多層布を施した人間を画像層に再構成するReMuを提案する。 まず,標準体ポーズによって定義された共有座標系を用いて,各衣服層を再構成・整列する。 なお,本手法はテンプレートフリーでカテゴリ非依存であり,多様な衣服スタイルで3D衣服を復元することができる。
  論文  参考訳（メタデータ） (2025-08-02T14:24:47Z)
• FRESA: Feedforward Reconstruction of Personalized Skinned Avatars from Few Images [74.86864398919467]
  数枚の画像からリアルなアニメーションで、パーソナライズされた3Dアバターを再構成する新しい手法を提案する。 我々は、1000人以上の服を着た人間から普遍的な事前学習を行い、即時フィードフォワード生成とゼロショット一般化を実現する。 提案手法は, 最新技術よりも忠実な再構築とアニメーションを生成し, カジュアルに撮影された携帯電話写真からの入力に直接一般化することができる。
  論文  参考訳（メタデータ） (2025-03-24T23:20:47Z)
• LAGA: Layered 3D Avatar Generation and Customization via Gaussian Splatting [18.613001290226773]
  LAGA(Layered Gaussian Avatar)は、多彩な衣服で高忠実で分解可能なアバターを作成できるフレームワークである。 衣料品をアバターから切り離すことで,アバターを衣服レベルで安定的に編集することを可能にする。 提案手法は, 従来の3次元衣料人体生成手法を超越した手法である。
  論文  参考訳（メタデータ） (2024-05-21T10:24:06Z)
• LayGA: Layered Gaussian Avatars for Animatable Clothing Transfer [40.372917698238204]
  我々は、体と衣服を2つの別々の層として定式化する新しい表現であるLayGA(LayGA)を提示する。 我々の表現は、ガウスの地図に基づくアバターの上に構築され、衣服の詳細の表現力に優れています。 単層再構成では,滑らかな表面を再構成するための一連の幾何的制約を提案する。 多層フィッティングの段階では、体と衣服を表すために2つの異なるモデルを訓練し、再構築された衣服のジオメトリーを3D監視として活用する。
  論文  参考訳（メタデータ） (2024-05-12T16:11:28Z)
• AniDress: Animatable Loose-Dressed Avatar from Sparse Views Using Garment Rigging Model [58.035758145894846]
  AniDressは、非常にスパースなマルチビュービデオを用いて、ゆるい服装でアニマタブルな人間のアバターを生成する新しい方法である。 身体運動と衣服運動の両方に条件付されたポーズ駆動型変形可能なニューラルラディアンス場を導入し、両方の部品を明示的に制御する。 本手法は,身体から高度に逸脱する自然の衣服のダイナミックスを描画し,目に見えない景色とポーズの両方に一般化することができる。
  論文  参考訳（メタデータ） (2024-01-27T08:48:18Z)
• High-Quality Animatable Dynamic Garment Reconstruction from Monocular Videos [51.8323369577494]
  そこで本研究では,モノクロビデオから高品質なアニマタブルな動的衣服をスキャンデータに頼らずに回収する手法を提案する。 様々な不明瞭なポーズに対する合理的な変形を生成するために,学習可能な衣服変形ネットワークを提案する。 提案手法は,高品質な動的衣服をコヒーレントな表面形状で再構成し,見知らぬポーズで容易にアニメーションできることを示す。
  論文  参考訳（メタデータ） (2023-11-02T13:16:27Z)
• Capturing and Animation of Body and Clothing from Monocular Video [105.87228128022804]
  メッシュベース体とニューラル放射場を組み合わせたハイブリッドモデルであるSCARFを提案する。 メッシュをレンダリングに統合することで、モノクロビデオから直接SCARFを最適化できます。 本研究は,SCARFが従来の方法よりも高品質な衣服であり,身体のポーズや体型の変化とともに衣服が変形し,異なる被験者のアバター間で衣服の移動が成功できることを実証する。
  論文  参考訳（メタデータ） (2022-10-04T19:34:05Z)
• Garment4D: Garment Reconstruction from Point Cloud Sequences [12.86951061306046]
  異なる形状の3次元人体を異なるポーズで装うためには, 3次元衣服の再構築が重要である。 従来は入力として2D画像に頼っていたが、規模やあいまいさに悩まされていた。 本稿では,衣服の復元に3次元点雲列を用いたGarment4Dを提案する。
  論文  参考訳（メタデータ） (2021-12-08T08:15:20Z)
• Explicit Clothing Modeling for an Animatable Full-Body Avatar [21.451440299450592]
  マルチビューキャプチャービデオから上半身の衣服を明示的に表現したアニマタブルな布製のアバターを製作した。 身体力学と衣服状態の相互作用を学習するために、時間的畳み込みネットワークを用いて衣服潜伏コードの予測を行う。 3つの異なるアクターに対してフォトリアリスティックなアニメーションを出力し、単層アバターよりも布体アバターの利点を実演する。
  論文  参考訳（メタデータ） (2021-06-28T17:58:40Z)

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。