論文の概要: DiGS-Avatar: Single-Image Animatable 3D Human Reconstruction via UV-Space Diffusion
- arxiv url: http://arxiv.org/abs/2608.20759v1
- Date: Fri, 21 Aug 2026 05:46:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.411075
- Title: DiGS-Avatar: Single-Image Animatable 3D Human Reconstruction via UV-Space Diffusion
- Title(参考訳): DiGS-Avatar:UV空間拡散による単一画像アニメーション3次元再構成
- Abstract要約: シングルイメージの3D再構成は、しばしば過度に滑らかなテクスチャと幾何学的不整合に悩まされる。
そこで我々は,DGS-Avatarを提案し,このタスクを効率よく拡散型UV遅延完了タスクとして再構成する。
実験により、DGS-Avatarは最先端または高い競争力を持つ視覚的忠実度とゼロショットの一般化を達成することが示された。
- 参考スコア(独自算出の注目度): 20.18668110364929
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single-image 3D human reconstruction often suffers from over-smoothed textures and geometric inconsistencies. While diffusion models improve generative quality, their reliance on multi-view synthesis prior to 3D reconstruction is computationally expensive and prone to view inconsistency. We propose DiGS-Avatar, which reformulates this task as an efficient, diffusion-based UV-latent completion task, ensuring 3D consistency by design. To capture accurate spatial structure, we introduce a teacher-student framework where a multi-view teacher provides geometrically aligned pseudo-ground-truth latents to supervise a single-view diffusion student. Treating this inferred latent as a robust structural skeleton, our method injects high-level semantic features to accurately recover fine textural details without disrupting spatial integrity. The refined representation is then decoded into 3D Gaussian primitives. Extensive experiments demonstrate that DiGS-Avatar achieves state-of-the-art or highly competitive visual fidelity and zero-shot generalization, while reconstructing a fully animatable 3D avatar in just 0.71 seconds. Code is available at https://github.com/KLMAV-CUC/DiGS-Avatar.
- Abstract(参考訳): シングルイメージの3D再構成は、しばしば過度に滑らかなテクスチャと幾何学的不整合に悩まされる。
拡散モデルにより生成品質が向上する一方,3次元再構成以前の多視点合成への依存は計算コストが高く,不整合が生じる傾向にある。
本稿では,DGS-Avatarを提案する。DGS-Avatarは,このタスクを効率よく拡散型UV遅延補完タスクとして再構成し,設計による3次元整合性を確保する。
空間構造を正確に把握するために,複数視点の教師が幾何学的に整列した擬似的地下構造を学習者に提供し,一視点の拡散学生を監督する枠組みを導入する。
提案手法は, 高レベルの意味的特徴を注入し, 空間的整合性を損なうことなく, 微細なテクスチャの細部を正確に復元する。
洗練された表現は3次元ガウス原始群に復号化される。
大規模な実験により、DiGS-Avatarは最先端または高度に競争力のある視覚的忠実さとゼロショットの一般化を実現し、完全にアニマタブルな3Dアバターをわずか0.71秒で再構築した。
コードはhttps://github.com/KLMAV-CUC/DiGS-Avatar.comで入手できる。
関連論文リスト
- OneWorld: Taming Scene Generation with 3D Unified Representation Autoencoder [90.8453349494245]
本研究では,コヒーレントな3次元表現空間内で直接拡散を行うOneWorldを提案する。
OneWorldは、最先端の2Dベースの方法と比較して、クロスビューの一貫性に優れた高品質な3Dシーンを生成する。
論文 参考訳(メタデータ) (2026-03-17T03:43:37Z) - RnG: A Unified Transformer for Complete 3D Modeling from Partial Observations [70.83499963694238]
RnG(Reconstruction and Generation)は、再構成と生成を統合する新しいフィードフォワードトランスである。
可視的幾何学を再構築し、可視的でコヒーレントな不明瞭な幾何学と外観を生成する。
提案手法は, 一般化可能な3次元再構成と新しいビュー生成の両方において, 最先端の性能を実現する。
論文 参考訳(メタデータ) (2026-03-01T17:25:32Z) - 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) - PF-LHM: 3D Animatable Avatar Reconstruction from Pose-free Articulated Human Images [23.745241278910946]
PF-LHMは、1つまたは複数のカジュアルにキャプチャされたポーズレス画像から、高品質な3Dアバターを秒間に生成する大規模な人間再構成モデルである。
カメラや人間のポーズアノテーションを必要とせず、高忠実でアニマタブルな3次元アバターを実現する。
論文 参考訳(メタデータ) (2025-06-16T17:59:56Z) - NOVA3D: Normal Aligned Video Diffusion Model for Single Image to 3D Generation [12.213398557667443]
革新的な単一画像から3D生成フレームワークであるNOVA3Dを紹介する。
私たちの重要な洞察は、事前訓練されたビデオ拡散モデルから、強力な3Dプリエントを活用することです。
色と幾何学的領域間の情報交換を容易にするため,GTA(Geometry-Temporal Alignment)アテンション機構を提案する。
また,マルチビュー不正確な問題に対処することで,テクスチャの忠実度を向上させるデコンフリクト幾何融合アルゴリズムを導入する。
論文 参考訳(メタデータ) (2025-06-09T12:37:46Z) - 3D-Consistent Human Avatars with Sparse Inputs via Gaussian Splatting and Contrastive Learning [19.763523500564542]
CHASEはスパース入力のみを使用して高密度なインプットレベルのパフォーマンスを実現する新しいフレームワークである。
トレーニングセットからの類似のポーズを活用することにより,変形したガウスを洗練する動的アバター調整(DAA)モジュールを導入する。
スパース入力用に設計されているが、CHASEはZJU-MoCapとH36Mデータセットのフル設定とスパース設定の両方で最先端のメソッドを超越している。
論文 参考訳(メタデータ) (2024-08-19T02:46:23Z) - GSD: View-Guided Gaussian Splatting Diffusion for 3D Reconstruction [52.04103235260539]
単一視点からの3次元オブジェクト再構成のためのガウススプティング表現に基づく拡散モデル手法を提案する。
モデルはGS楕円体の集合で表される3Dオブジェクトを生成することを学習する。
最終的な再構成されたオブジェクトは、高品質な3D構造とテクスチャを持ち、任意のビューで効率的にレンダリングできる。
論文 参考訳(メタデータ) (2024-07-05T03:43:08Z) - Denoising Diffusion via Image-Based Rendering [54.20828696348574]
実世界の3Dシーンの高速かつ詳細な再構築と生成を可能にする最初の拡散モデルを提案する。
まず、大きな3Dシーンを効率よく正確に表現できる新しいニューラルシーン表現であるIBプレーンを導入する。
第二に,2次元画像のみを用いて,この新たな3次元シーン表現の事前学習を行うためのデノイング拡散フレームワークを提案する。
論文 参考訳(メタデータ) (2024-02-05T19:00:45Z) - InvertAvatar: Incremental GAN Inversion for Generalized Head Avatars [40.10906393484584]
本稿では,複数フレームからの忠実度向上を目的としたアルゴリズムを用いて,アバター復元性能を向上させる新しいフレームワークを提案する。
本アーキテクチャでは,画素対応画像-画像変換を重要視し,観測空間と標準空間の対応を学習する必要性を緩和する。
提案手法は,1ショットと数ショットのアバターアニメーションタスクにおける最先端の性能を示す。
論文 参考訳(メタデータ) (2023-12-03T18:59:15Z) - High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。
提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
論文 参考訳(メタデータ) (2022-11-28T18:59:52Z)
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。