論文の概要: BLARM: Animating 3D Objects from Video via Blending Latent Rigid Motion Primitives
- arxiv url: http://arxiv.org/abs/2608.31113v1
- Date: Mon, 31 Aug 2026 17:21:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.538728
- Title: BLARM: Animating 3D Objects from Video via Blending Latent Rigid Motion Primitives
- Title（参考訳）: BLARM:動画から3Dオブジェクトをアニメーションする「Blending Latent Rigid Motion Primitives」
- Abstract要約: BLARMはビデオに追従する時間的コヒーレントなアニメーションメッシュを予測する。
学習した時間変化のある剛体動き成分のコンパクトな集合を用いてアニメーションを表現する。
BLARMは、モノクロビデオからコンパクトで解釈可能なモーション構造を復元しながら、正確で時間的に安定したアニメーションを生成する。
- 参考スコア（独自算出の注目度）: 14.13122283409208
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce BLARM, a feed-forward method for video-driven 3D mesh animation. Given a monocular video and a static object mesh, BLARM predicts a temporally coherent animated mesh whose motion follows the video. Rather than relying on explicit rigs or directly regressing high-dimensional vertex motion, we represent animation using a compact set of learned, time-varying rigid motion components and time-invariant vertex-to-component skinning weights. This yields a low-dimensional deformation space without requiring skeletons, cages, skinning weights, or rig annotations. Our architecture conditions geometry-derived deformation latents on video features through factorized spatial-temporal attention, then decodes rigid transformations blended by predicted skinning weights. Trained with trajectory reconstruction, entropy regularization, and motion-aware contrastive learning, BLARM produces accurate and temporally stable animations while recovering compact, interpretable motion structure from monocular video.
- Abstract（参考訳）: ビデオ駆動3Dメッシュアニメーションのフィードフォワード方式であるBLARMを紹介する。
モノクロビデオと静的なオブジェクトメッシュが与えられた後、BLARMはビデオに追従する時間的にコヒーレントなアニメーションメッシュを予測する。
我々は,明示的なリグに頼るか,あるいは高次元の頂点運動を直接退避させるのではなく,学習された時間変化の剛性な動き成分と時間不変の頂点-成分のスキンウェイトを用いたアニメーションを表現している。
これにより、骨格、ケージ、スキンウェイト、リグアノテーションを必要とせずに、低次元の変形空間が得られる。
我々のアーキテクチャは、空間的注意の因子化による映像特徴量に基づく変形潜時を条件とし、予測されたスキンウェイトでブレンドされた剛性変換をデコードする。
トラジェクトリー再構成、エントロピー正規化、モーションアウェア・コントラスト学習で訓練されたBLARMは、モノクロビデオからコンパクトで解釈可能なモーション構造を回復しながら、正確で時間的に安定したアニメーションを生成する。
関連論文リスト
- Follow Your Track: Precise Skeleton Animation Controlled by 3D Trajectories [93.39170866007431]
4Dジェネレーションは、3Dオブジェクトをリアルなモーションでアニメーション化することを目的としており、アプリケーションには大きな可能性を秘めている。
既存の方法は通常、モーション合成から3Dアセット生成を分離する。
トポロジ一般骨格アニメーションのための軌道条件付きフレームワークである textttACT について述べる。
論文 参考訳（メタデータ） (2026-06-24T03:18:10Z) - Sketch2Motion: Text-driven 2D Sketch to 3D Animation via Diffusion-guided Skeleton Optimization [0.6445605125467574]
2次元手描きスケッチのアニメーションは、視覚コミュニケーションに有効な媒体を提供する。
2Dスケッチを3Dアニメーションに変換するための最近のアプローチは、主に特定のタイプの動きに焦点を当てている。
骨格に基づく運動合成のための拡散誘導フレームワークであるSketch2Motionを提案する。
論文 参考訳（メタデータ） (2026-05-27T12:32:07Z) - Kinematics-Driven Gaussian Shape Deformation for Blurry Monocular Dynamic Scenes [32.40228197424996]
Kinematics-GSは運動整合変形をモデル化するキネマティクス対応フレームワークである。
最適化を安定させるために,シーンを動的および静的なコンポーネントに分解する。
また、非剛体運動を示す変形性および弾性物体の挑戦的な実世界のデータセットも導入する。
論文 参考訳（メタデータ） (2026-05-09T03:01:17Z) - IM-Animation: An Implicit Motion Representation for Identity-decoupled Character Animation [58.297199313494]
インプシット法は、動画から直接動作の意味をキャプチャするが、動作と外観の絡み合いやアイデンティティの漏洩に悩まされる。
本稿では,フレームごとの動作をコンパクトな1次元モーショントークンに圧縮する新しい暗黙の動作表現を提案する。
本手法では,3段階のトレーニング戦略を用いて,トレーニング効率を高め,高い忠実性を確保する。
論文 参考訳（メタデータ） (2026-02-07T11:17:20Z) - Recovering Dynamic 3D Sketches from Videos [30.87733869892925]
Liv3Strokeは、変形可能な3Dストロークで動作中のオブジェクトを抽象化する新しいアプローチである。
まず,映像フレームから3Dポイント・クラウド・モーション・ガイダンスを意味的特徴を用いて抽出する。
提案手法は, 自然な3次元表現の集合として本質的な運動特徴を抽象化する曲線の集合を変形する。
論文 参考訳（メタデータ） (2025-03-26T08:43:21Z) - Tracktention: Leveraging Point Tracking to Attend Videos Faster and Better [61.381599921020175]
時間的一貫性は、出力が一貫性があり、アーティファクトがないことを保証するために、ビデオ予測において重要である。
時間的注意や3D畳み込みといった伝統的な手法は、重要な物体の動きに苦しむことがある。
本稿では,ポイントトラックを用いた動き情報を明示的に統合する新しいアーキテクチャコンポーネントであるトラックキート・レイヤを提案する。
論文 参考訳（メタデータ） (2025-03-25T17:58:48Z) - Towards Physical Understanding in Video Generation: A 3D Point Regularization Approach [54.559847511280545]
三次元幾何学と動的認識を統合した新しい映像生成フレームワークを提案する。
これを実現するために、3Dポイントトラジェクトリで2Dビデオを拡大し、ピクセル空間に配置する。
結果の3D対応ビデオデータセットであるPointVidは、遅延拡散モデルを微調整するために使用される。
論文 参考訳（メタデータ） (2025-02-05T21:49:06Z) - Motion-from-Blur: 3D Shape and Motion Estimation of Motion-blurred
Objects in Videos [115.71874459429381]
本研究では,映像から3次元の運動,3次元の形状,および高度に動きやすい物体の外観を同時推定する手法を提案する。
提案手法は, 高速移動物体の劣化と3次元再構成において, 従来の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-11-29T11:25:14Z) - 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。