論文の概要: DSAR: Dual-Stream Autoregressive Modeling of Temporal Cloth Dynamics for Photorealistic Animatable Avatars
- arxiv url: http://arxiv.org/abs/2608.10500v1
- Date: Tue, 11 Aug 2026 05:19:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.91554
- Title: DSAR: Dual-Stream Autoregressive Modeling of Temporal Cloth Dynamics for Photorealistic Animatable Avatars
- Title（参考訳）: DSAR:フォトリアリスティックアニマタブルアバターの2ストリーム自動回帰モデル
- Abstract要約: 本稿では,観測可能な幾何学的情報と暗黙的な内部状態の両方を明示的にモデル化する,二重ストリーム自動回帰フレームワークを提案する。
挑戦的なデータセットの実験では、レンダリング品質、時間的一貫性、トレーニング分布を超えた動きパターンへの一般化が大幅に改善された。
- 参考スコア（独自算出の注目度）: 7.198815179389743
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Creating photorealistic and temporally coherent animatable human avatars from RGB videos remains challenging. Current methods struggle to capture realistic cloth dynamics, producing over-smoothed appearance or severe artifacts on out-of-distribution poses. This limitation stems from a fundamental oversight: existing approaches neglect the temporal causality inherent in cloth physics, where current states emerge from previous states through temporal evolution rather than instantaneous skeletal configurations alone. Without explicit modeling of this causal structure, networks learn pose-appearance correlations instead of motion evolution, leading to poor generalization. We introduce a dual-stream autoregressive framework that explicitly models both observable geometric information and implicit internal state. The geometric stream propagates surface displacement from the previous frame, while the state stream fuses current features with historical states retrieved from a memory bank. Motion-adaptive aggregation handles spatially-varying dynamics, and adaptive regularization balances smoothness with flexibility. Experiments on challenging datasets demonstrate significant improvements in rendering quality, temporal consistency, and generalization to motion patterns beyond training distributions, validating that dual-stream temporal modeling enables realistic cloth dynamics.
- Abstract（参考訳）: RGBビデオからフォトリアリスティックで時間的にコヒーレントな人間アバターを作るのは、まだ難しい。
現在の方法では、現実的な布のダイナミクスを捉えるのに苦労し、アウト・オブ・ディストリビューションのポーズで過度に滑らかな外観や厳密なアーティファクトを生み出す。
既存のアプローチは布の物理学に固有の時間的因果性を無視し、現在の状態は、瞬時的な骨格構成のみではなく、時間的進化を通じて以前の状態から現われる。
この因果構造の明示的なモデリングがなければ、ネットワークは動きの進化ではなくポーズ-出現相関を学習し、一般化が不十分になる。
本稿では,観測可能な幾何学的情報と暗黙的な内部状態の両方を明示的にモデル化する,二重ストリーム自動回帰フレームワークを提案する。
幾何学的ストリームは、前のフレームからの表面変位を伝播し、状態ストリームは、メモリバンクから取得した履歴状態と現在の特徴を融合させる。
運動適応アグリゲーションは空間的に変化するダイナミクスを扱い、適応正則化は柔軟性と滑らかさのバランスをとる。
挑戦的なデータセットの実験は、レンダリング品質、時間的一貫性、トレーニング分布を超えた動きパターンへの一般化の大幅な改善を示し、デュアルストリームの時間的モデリングが現実的な布のダイナミクスを可能にすることを検証している。
関連論文リスト
- DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。
合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
論文 参考訳（メタデータ） (2026-08-19T03:44:28Z) - DynaOD: Dynamic Origin-Destination Flow Generation with Discrete-to-Continuous Temporal Semantic Modeling [20.859733498481173]
動的原点決定(OD)フロー生成は、時間的文脈のみから現実的な運動力学を合成しようとする。
2つの相補的な視点から時間力学をモデル化する意味駆動型フレームワークDynaODを提案する。
本手法は, 予測精度と分布忠実度の両方において, 代表ベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-06-08T06:32:49Z) - MORPHOS: Autoregressive 4D Generation with Temporal Structured Latents [35.76764167284739]
MORPHOSはビデオから動的3Dアセットを多種多様な表現で生成する新しい自己回帰フレームワークである。
我々は、時間次元に沿って幾何学と外観を共同で符号化する統合された4次元表現であるT-SLAT(Temporal Structured Latents)を導入する。
論文 参考訳（メタデータ） (2026-06-01T17:01:21Z) - Latent Dynamics for Full Body Avatar Animation [18.84485573885924]
ポーズ条件付き3次元ガウスアバターをトランスフォーマーベースデコーダと動的残留潜水器で拡張する。
モデルは各更新を運転、回復、消散力に分解し、時間的に一貫性のある履歴に依存したロールアウトを生成する。
様々なゆるい衣服,定量的な計測値,知覚的ユーザスタディを備えた日常動作の9つのキャプチャーシーケンスは,最近のデータ駆動ベースラインよりもアニメーション品質が向上したことを示している。
論文 参考訳（メタデータ） (2026-05-20T17:58:03Z) - Lie Flow: Video Dynamic Fields Modeling and Predicting with Lie Algebra as Geometric Physics Principle [48.28007238304401]
LieFlowは動的放射率表現フレームワークで、動きを明示的にモデル化する。
SE(3)変換場は、運動の連続性と幾何学的整合性を維持するために物理的に着想を得た制約を強制する。
結果,SE(3)に基づくモーションモデリングは動的4Dシーンを表現するための頑健で物理的基盤の枠組みを提供することを確認した。
論文 参考訳（メタデータ） (2026-02-25T07:19:18Z) - SplitGaussian: Reconstructing Dynamic Scenes via Visual Geometry Decomposition [14.381223353489062]
textbfSplitGaussianは、シーン表現を静的および動的コンポーネントに明示的に分解する新しいフレームワークである。
SplitGaussianは、レンダリング品質、幾何学的安定性、動き分離において、最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2025-08-06T09:00:13Z) - VDEGaussian: Video Diffusion Enhanced 4D Gaussian Splatting for Dynamic Urban Scenes Modeling [68.65587507038539]
本稿では,動的都市景観モデリングのための拡散強調4次元ガウス平滑化フレームワークを提案する。
我々の重要な洞察は、テスト時間に適応したビデオ拡散モデルから頑健で時間的に一貫した事前情報を抽出することである。
提案手法は, 高速移動物体の動的モデリングを著しく向上させ, 2dBのPSNRゲインを近似的に達成する。
論文 参考訳（メタデータ） (2025-08-04T07:24:05Z) - FlowMo: Variance-Based Flow Guidance for Coherent Motion in Video Generation [51.110607281391154]
FlowMoは、テキスト・ビデオ・モデルにおける動きコヒーレンスを高めるためのトレーニング不要のガイダンス手法である。
時間次元のパッチワイドな分散を測定して動きのコヒーレンスを推定し、サンプリング中にこの分散を動的に減少させるためにモデルを導く。
論文 参考訳（メタデータ） (2025-06-01T19:55:33Z) - Dynamical Diffusion: Learning Temporal Dynamics with Diffusion Models [71.63194926457119]
動的拡散(DyDiff, Dynamical Diffusion)は, 時間的に意識された前と逆のプロセスを含む理論的に健全なフレームワークである。
科学的時間的予測、ビデオ予測、時系列予測に関する実験は、動的拡散が時間的予測タスクのパフォーマンスを一貫して改善することを示した。
論文 参考訳（メタデータ） (2025-03-02T16:10:32Z) - Real-time Deep Dynamic Characters [95.5592405831368]
本研究では,高度にリアルな形状,動き,ダイナミックな外観を示す3次元人物モデルを提案する。
我々は,新しいグラフ畳み込みネットワークアーキテクチャを用いて,身体と衣服の運動依存的変形学習を実現する。
本モデルでは, 運動依存的表面変形, 物理的に妥当な動的衣服変形, および映像現実的表面テクスチャを, 従来よりも細部まで高レベルに生成することを示す。
論文 参考訳（メタデータ） (2021-05-04T23:28:55Z)
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。