論文の概要: AvatarDynamizer: From Static to Dynamic Human Avatars via Generative Dynamic Textures
- arxiv url: http://arxiv.org/abs/2608.19900v1
- Date: Thu, 20 Aug 2026 11:10:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.53807
- Title: AvatarDynamizer: From Static to Dynamic Human Avatars via Generative Dynamic Textures
- Title（参考訳）: AvatarDynamizer: 動的テクスチャによる静的から動的ヒューマンアバターへ
- Abstract要約: アバターダイナマイザー(AvatarDynamizer)は、市販の静的な3Dアバターを、制御可能で現実的で多視点の4Dアバターに変換する生成方法である。
本手法は, 忠実な表面力学を持つ静的アバターを効果的に実現し, 視覚的忠実度において競合する一般化可能な手法より優れる。
- 参考スコア（独自算出の注目度）: 81.30642929096783
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For full-body avatars, modeling surface dynamics is crucial for overcoming the uncanny valley and achieving perceptual realism. Person-agnostic methods recover static 3D avatars from monocular images, videos, or text prompts, but their skeleton-driven animations lack realistic surface dynamics such as clothing wrinkles. In contrast, person-specific methods achieve high-quality rendering and realistic dynamics, but require expensive multi-view captures for each individual. Recent generalizable dynamic avatar methods struggle to embed surface dynamics, leading to either limited multi-view consistency or dynamic expressiveness. To this end, we propose AvatarDynamizer, a generative method that transforms an off-the-shelf static 3D avatar into a controllable, realistic, and multi-view-consistent 4D avatar. We introduce a novel texture-space surface-dynamics embedding and formulate avatar dynamics modeling as conditional texture generation. Our encoder--decoder representation embeds pose-dependent dynamics into dynamic texture maps, enabling compatibility with pre-trained video diffusion models while decoding them into 3D Gaussians for multi-view consistent rendering. Since existing datasets are limited in scale, sequence length, or motion diversity, we collect a large-scale multi-view dataset with long sequences covering diverse skeletal motions and surface dynamics. Experiments show that our method effectively animates static avatars with faithful surface dynamics and outperforms competing generalizable methods in visual fidelity, especially under limited dynamic training data.
- Abstract（参考訳）: フルボディアバターにとって、表面力学のモデリングは、不気味な谷を克服し、知覚的リアリズムを達成するために不可欠である。
個人非依存の手法はモノクロ画像、ビデオ、テキストプロンプトから静的な3Dアバターを復元するが、スケルトン駆動のアニメーションは衣服のしわのような現実的な表面動態を欠いている。
対照的に、個人固有の手法は高品質なレンダリングとリアルなダイナミックスを実現するが、個人ごとに高価なマルチビューキャプチャを必要とする。
最近の一般化可能な動的アバター法は表面力学を埋め込むのに苦労し、多視点整合性や動的表現性に制限がある。
そこで本研究では,AvatarDynamizerを提案する。AvatarDynamizerは,市販の静的3Dアバターを,制御可能で現実的で多視点対応の4Dアバターに変換する生成法である。
条件付きテクスチャ生成として,新しいテクスチャ空間表面力学の埋め込みと定式化アバターダイナミックスモデリングを導入する。
エンコーダ-デコーダ表現は、動的テクスチャマップにポーズ依存のダイナミクスを埋め込んで、事前訓練されたビデオ拡散モデルとの互換性を実現し、マルチビュー一貫したレンダリングのために3次元ガウスアンにデコードする。
既存のデータセットは、スケール、シーケンス長、動きの多様性に制限があるため、様々な骨格運動と表面動態をカバーする長いシーケンスを持つ大規模なマルチビューデータセットを収集する。
実験の結果,静的なアバターを忠実な表面力学で効果的に実現し,特に限られた動的トレーニングデータの下では,視覚的忠実度において競合する一般化可能な手法よりも優れていた。
関連論文リスト
- Habitat-GS: A High-Fidelity Navigation Simulator with Dynamic Gaussian Splatting [83.60803397468139]
Habitat-GSはナビゲーション中心のAIシミュレータで、3Dフォトリアリスティックなシーンレンダリングとドライビング可能なガウスアバターを統合している。
動的人体モデリングでは、ガウスアバターモジュールを導入し、それぞれのアバターを光現実的な視覚的実体と効果的なナビゲーション障害物として同時に機能させることができる。
論文 参考訳（メタデータ） (2026-04-14T11:52:59Z) - Zero-Shot Reconstruction of Animatable 3D Avatars with Cloth Dynamics from a Single Image [16.574138459960505]
そこで,DynaAvatarについて述べる。3次元アバターを1枚の画像から動作依存性の布のダイナミックスで再構成するフレームワークである。
大規模なマルチパーソンモーションデータセットに基づいてトレーニングされたDynaAvatarでは、Transformerベースのフィードフォワードアーキテクチャを採用している。
実験により、DynaAvatarは視覚的に豊かで一般的なアニメーションを制作し、先行した手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2026-03-16T03:12:27Z) - MPMAvatar: Learning 3D Gaussian Avatars with Accurate and Robust Physics-Based Dynamics [27.63650397876897]
MPMAvatarは、マルチビュービデオから3Dヒューマンアバターを作成するためのフレームワークである。
高精度でロバストな動的モデリングのために、我々はMaterial Point Methodベースのシミュレータを使う。
論文 参考訳（メタデータ） (2025-10-02T02:51:45Z) - Hyper Diffusion Avatars: Dynamic Human Avatar Generation using Network Weight Space Diffusion [45.88321772203678]
個人固有のレンダリングと拡散に基づく生成モデリングの長所を一体化する新しい手法を提案する。
まず、人間固有のUNETの集合を最適化し、各ネットワークは動的な人間のアバターを表す。
提案手法は,動的アバターのリアルタイムかつ制御可能なレンダリングのためのネットワーク重みを生成する。
論文 参考訳（メタデータ） (2025-09-04T12:15:55Z) - EVA: Expressive Virtual Avatars from Multi-view Videos [51.33851869426057]
本稿では,アクター固有の,完全に制御可能な,表現力のある人間のアバターフレームワークであるExpressive Virtual Avatars (EVA)を紹介する。
EVAは、表情、身体の動き、手の動きの独立的な制御を可能にしながら、高忠実でライフライクなレンダリングをリアルタイムで実現している。
この研究は、完全に乾燥可能なデジタル人間モデルに向けた大きな進歩を示している。
論文 参考訳（メタデータ） (2025-05-21T11:22:52Z) - RealityAvatar: Towards Realistic Loose Clothing Modeling in Animatable 3D Gaussian Avatars [4.332718737928592]
本研究では,高忠実度デジタルヒューマンモデリングのための効率的なフレームワークであるRealAvatarを提案する。
動作トレンドモジュールと潜在骨エンコーダを組み込むことで,ポーズ依存的な変形と衣服行動の時間的変動をモデル化する。
特に非剛性領域における動的ヒト再建における構造的忠実度と知覚的品質を著しく向上させる。
論文 参考訳（メタデータ） (2025-04-02T09:59:12Z) - GaussianAvatar: Towards Realistic Human Avatar Modeling from a Single Video via Animatable 3D Gaussians [51.46168990249278]
一つのビデオから動的に3D映像を映し出すリアルな人間のアバターを作成するための効率的なアプローチを提案する。
GustafAvatarは、公開データセットと収集データセットの両方で検証されています。
論文 参考訳（メタデータ） (2023-12-04T18:55:45Z) - Drivable Volumetric Avatars using Texel-Aligned Features [52.89305658071045]
光テレプレゼンスは、動的に合成された外観を実現するために、高忠実度ボディモデリングと忠実な運転の両方を必要とする。
本稿では,現実人のフルボディアバターをモデリングし,駆動する際の2つの課題に対処するエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2022-07-20T09:28:16Z) - 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。