論文の概要: OASIS: Occlusion-aware Single-image Hand Avatar Reconstruction via 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2607.29633v1
• Date: Fri, 31 Jul 2026 17:09:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.832653
• Title: OASIS: Occlusion-aware Single-image Hand Avatar Reconstruction via 3D Gaussian Splatting
• Title（参考訳）: OASIS:3次元ガウススプラッティングによる閉塞型片手アバター再建
• Abstract要約: 片手3D手指アバターの再建は、重度自己閉塞下での視覚的証拠が限られているため、基本的には不良である。 片手アバター再建のための3次元ガウススプラッティングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 21.50893911212589
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Single-image 3D hand avatar reconstruction is fundamentally ill-posed and particularly challenging due to limited visual evidence under severe self-occlusion and the complex pose-dependent deformation of highly articulated hands. Existing methods predominantly rely on implicit NeRF-style representations, whose volumetric fitting is computationally expensive and often struggles to preserve fine-grained hand details. In this work, we present OASIS, a tailored 3D Gaussian Splatting framework for single-image hand avatar reconstruction. To faithfully encode sparse image-specific appearance cues in single-view reconstruction, we construct geometry-aligned visual evidence tokens by explicitly aligning input image observations with 3D hand geometry and context-adaptively tokenizing the resulting visual evidence. Since severe self-occlusion makes the reliability of image evidence inherently visibility-dependent, we introduce a visibility-conditioned point-image attention to reliably transfer visual evidence to geometric tokens, yielding occlusion-aware Gaussian features for faithful and robust reconstruction. To further capture non-rigid deformation of articulated hands, we introduce a Feature-on-Mesh representation to enable Gaussian deformation to be guided by local surface stretching. Under this framework, we adopt a one-shot adaptation scheme that learns a shared hand prior from multi-identity training data and then fits it to a target image for target-specific reconstruction. Extensive experiments show that OASIS outperforms existing baselines in both visual fidelity and efficiency across challenging poses and in-the-wild scenarios, and further demonstrates strong versatility in downstream applications such as text-to-avatar generation and texture editing.
• Abstract（参考訳）: 片手3D手指アバター再建は, 重度自己閉塞下での視覚的証拠の不足や, 高度関節の複雑なポーズ依存的変形により, 基本的には不良であり, 特に困難である。 既存の手法は主に暗黙のNeRFスタイルの表現に依存しており、ボリュームフィッティングは計算に高価であり、細かな手の詳細を保存するのにしばしば苦労している。 本研究は,手指アバター再建のための3次元ガウス切削フレームワークであるOASISについて述べる。 単一視点再構成におけるスパース画像固有の外観手がかりを忠実に符号化するために,入力画像の観察を3次元の手形状と明示的に整列させ,その結果の視覚的証拠を文脈適応的にトークン化することにより,幾何学的に整列した視覚的エビデンストークンを構築する。 厳密な自己隠蔽は、画像証拠の信頼性を本質的に可視性に依存しているため、視覚的証拠を幾何学的トークンに確実に伝達し、忠実で堅牢な再構成のために、オクルージョンを意識したガウス的特徴を与えるために、可視性条件付き点像注意を導入する。 さらに,手関節の非剛性変形を捉えるために,局所的な表面張力でガウス変形を導出する特徴-オン-メシュ表現を導入する。 この枠組みでは,多元性学習データから共有手を学習し,対象画像に適合させて目標固有再構成を行うワンショット適応方式を採用する。 大規模な実験により、OASISは、挑戦的なポーズや進行中のシナリオにまたがる視覚的忠実さと効率の両方において、既存のベースラインよりも優れており、さらにテキストからアバター生成やテクスチャ編集といった下流アプリケーションにおいて、強力な汎用性を示している。

関連論文リスト

• WildSplat: Feedforward Gaussian Splatting from Unposed In-the-Wild Images [22.89871818686434]
  In-the-wild画像に対する外観条件付きノベルビュー合成が可能な最初のフィードフォワード型3次元ガウススプラッティングフレームワークWildSplatを紹介する。 本研究では、WildSplatが既存の最適化手法とフィードフォワード手法を超越し、ワンフォワードパスでのスパース入力からの出現編集と、最新技術による新規ビュー合成を実現することを示す。
  論文  参考訳（メタデータ） (2026-07-06T17:29:44Z)
• VEPHand: View-Efficient Photometric Hand Performance Capture at Scale [27.713586141581498]
  本稿では,動的ハンドパフォーマンスキャプチャと登録のためのエンドツーエンドパイプラインを提案する。 本手法は,ビュー効率,非マスキングシナリオ,高精度な登録において,最先端の再現性を実現する。
  論文  参考訳（メタデータ） (2026-06-14T18:47:44Z)
• HGGT: Robust and Flexible 3D Hand Mesh Reconstruction from Uncalibrated Images [81.42866295265443]
  高忠実度3Dハンドジオメトリはコンピュータビジョンにおいて重要な課題である。 スケーラブルなアプリケーションは、正確性とデプロイメントの柔軟性の両方を必要とします。 本研究では、3Dハンドメッシュとカメラのポーズを非校正視点から推定するフィードフォワードアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-03-25T06:54:34Z)
• InpaintHuman: Reconstructing Occluded Humans with Multi-Scale UV Mapping and Identity-Preserving Diffusion Inpainting [64.42884719282323]
  InpaintHumanは、モノクロビデオから高忠実で完全でアニマタブルなアバターを生成する新しい方法である。 我々のアプローチは、アイデンティティの忠実性を保証するために、直接ピクセルレベルの監視を採用する。
  論文  参考訳（メタデータ） (2026-01-05T13:26:02Z)
• Learning Interaction-aware 3D Gaussian Splatting for One-shot Hand Avatars [47.61442517627826]
  本稿では,3次元ガウススプラッティング(GS)と単一画像入力と手を相互作用するアニマタブルアバターを提案する。 提案手法は大規模なInterHand2.6Mデータセットの広範な実験により検証される。
  論文  参考訳（メタデータ） (2024-10-11T14:14:51Z)
• DICE: End-to-end Deformation Capture of Hand-Face Interactions from a Single Image [98.29284902879652]
  DICEは1枚の画像から変形認識による手と顔のインタラクションを再現する最初のエンドツーエンド手法である。 ローカルな変形場とグローバルなメッシュ位置の回帰を2つのネットワークブランチに切り離すことが特徴である。 標準的なベンチマークと、精度と物理的妥当性の点から見れば、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-06-26T00:08:29Z)
• DiffFAE: Advancing High-fidelity One-shot Facial Appearance Editing with Space-sensitive Customization and Semantic Preservation [84.0586749616249]
  本稿では,高忠実度顔画像編集に適した1段階かつ高効率な拡散ベースフレームワークDiffFAEを提案する。 高忠実度クエリ属性転送には、空間感性物理カスタマイズ(SPC)を採用し、忠実度と一般化能力を保証している。 ソース属性を保存するために、Regional-responsive Semantic Composition (RSC)を導入する。 このモジュールは、切り離されたソースを無視する特徴を学習するためにガイドされ、髪、服、背景などの非顔的属性からアーティファクトを保存し緩和する。
  論文  参考訳（メタデータ） (2024-03-26T12:53:10Z)
• SiMA-Hand: Boosting 3D Hand-Mesh Reconstruction by Single-to-Multi-View Adaptation [90.59734612754222]
  RGB画像から3Dハンドメッシュを推定することは、最も難しい問題のひとつです。 このタスクに対する既存の試みは、オクルージョンが画像空間を支配しているときに失敗することが多い。 本稿では,Single-to-Multi-view Adaptationによるメッシュ再構成性能の向上を目的としたSiMA-Handを提案する。
  論文  参考訳（メタデータ） (2024-02-02T13:14:20Z)
• Generalizable One-shot Neural Head Avatar [90.50492165284724]
  本研究では,1枚の画像から3次元頭部アバターを再構成し,アニメイトする手法を提案する。 本研究では,一視点画像に基づく識別不能な人物を一般化するだけでなく,顔領域内外における特徴的詳細を捉えるフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-14T22:33:09Z)

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。