論文の概要: AnimalLift: Reconstructing Animatable 3D Animals from a Single Image by Learning Canonical Shape, Texture, and Fur Maps

• arxiv url: http://arxiv.org/abs/2609.09513v1
• Date: Tue, 08 Sep 2026 22:55:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.840725
• Title: AnimalLift: Reconstructing Animatable 3D Animals from a Single Image by Learning Canonical Shape, Texture, and Fur Maps
• Title（参考訳）: AnimalLift:標準形状、テクスチャ、ファーマップを学習して、単一画像からアニマタブルな3D動物を再構築する
• Abstract要約: 一つの画像から鮮明な毛皮で、構造化されたアニメーション互換の3D動物資産を再構築するためのフレームワークであるAnimalLiftを提示する。 我々の表現の重要な構成要素は、表面整列正準領域におけるストランド幾何学を符号化するUV整列ファーマップである。 合成および実世界のデータセットに関する実験は、動物カテゴリー間で強い復元品質と一般化を示す。
• 参考スコア（独自算出の注目度）: 57.43241902500102
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Reconstructing a fully animatable 3D animal from a single image remains challenging because animation-ready assets require not only plausible geometry, but also a unified topology, editable appearance, and fur representations compatible with deformation and simulation. Existing image-to-3D approaches often rely on implicit or loosely structured representations that are difficult to rig or edit, while parametric animal models support animation but cannot capture detailed texture and fur appearance. We present AnimalLift, a framework for reconstructing structured, animation-compatible 3D animal assets with explicit fur from a single image. Our method lifts an input image into a shared canonical space with a consistent topology and UV parameterization across the dataset, enabling joint prediction of canonical geometry, texture, and fur in a unified feed-forward architecture. A key component of our representation is a UV-aligned fur map that encodes strand geometry in a surface-aligned canonical domain, allowing explicit fur reconstruction compatible with mesh deformation and fur simulation. To train the model, we introduce a procedural data generation pipeline that provides large-scale supervision with aligned geometry, texture, and fur across diverse animal species and appearances. Experiments on synthetic and real-world datasets demonstrate strong reconstruction quality and generalization across animal categories. Beyond reconstruction, our structured representation directly supports downstream applications including animation, pose transfer, fur editing, and simulation-compatible rendering.
• Abstract（参考訳）: 単一の画像から完全にアニマブルな3D動物を再構成することは、アニメーション可能な資産は、可塑性幾何学だけでなく、統一されたトポロジー、編集可能な外観、そして変形やシミュレーションと互換性のある毛皮表現を必要とするため、依然として困難である。 既存の画像から3Dへのアプローチは、しばしば暗黙的またはゆるやかに構造化された表現に依存するが、パラメトリック動物モデルはアニメーションをサポートするが、詳細なテクスチャや毛皮の外観を捉えることはできない。 一つの画像から鮮明な毛皮で、構造化されたアニメーション互換の3D動物資産を再構築するためのフレームワークであるAnimalLiftを提示する。 提案手法は,入力画像を一貫したトポロジとUVパラメータによる共有正準空間に引き上げることにより,統一されたフィードフォワードアーキテクチャにおいて,標準幾何学,テクスチャ,毛皮の合同予測を可能にする。 我々の表現の重要な構成要素は、表面整列正準領域のストランド幾何学を符号化するUV整列ファーマップであり、メッシュ変形やファーシミュレーションと互換性のある明示的な毛皮再構成を可能にする。 モデルをトレーニングするために,多様な動物種や外見を対象とする形状,テクスチャ,毛皮の整合性を備えた大規模監視を行う手続き型データ生成パイプラインを導入する。 合成および実世界のデータセットに関する実験は、動物カテゴリー間で強い復元品質と一般化を示す。 再構成以外にも、構造化された表現は、アニメーション、ポーズ転送、毛皮の編集、シミュレーション互換レンダリングを含む下流アプリケーションを直接サポートしています。

関連論文リスト

• SAM 3D Animal: Promptable Animal 3D Reconstruction from Images in the Wild [41.19285227066038]
  SAM 3D Animalは, 単一画像からのマルチアニマルな3D再構成を行うための, 初のプロンプト可能なフレームワークである。 提案手法は複数のインスタンスを共同で再構築し,キーポイントとマスクの形式でフレキシブルなプロンプトをサポートする。 実験により,既存のモデルベース手法とモデルフリー手法の両方に対して,我々のフレームワークが最先端の結果を達成することが示された。
  論文  参考訳（メタデータ） (2026-05-08T11:26:46Z)
• AniGen: Unified $S^3$ Fields for Animatable 3D Asset Generation [64.1405325883561]
  AniGenは、単一画像上に条件付きアニメーション対応の3Dアセットを直接生成する統合フレームワークである。 私たちの重要な洞察は、共有空間領域上で定義されたS3$ Fields(Shape, Skeleton, Skin)として、形状、骨格、スキン化を表現することです。 AniGenは、リグの妥当性とアニメーションの品質において、最先端のシーケンシャルベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-04-09T20:22:06Z)
• SMAL-pets: SMAL Based Avatars of Pets from Single Image [6.956006697118972]
  SMAL-petsは、単一の入力画像から高品質で編集可能な動物アバターを生成する包括的なフレームワークである。 我々のアプローチは、ハイブリッドアーキテクチャを活用して、再構築と生成モデリングのギャップを埋める。
  論文  参考訳（メタデータ） (2026-03-17T20:47:49Z)
• DogWeave: High-Fidelity 3D Canine Reconstruction from a Single Image via Normal Fusion and Conditional Inpainting [0.8602553195689513]
  単一のRGB画像から高忠実度3D犬モデルを構築するためのモデルベースフレームワークであるDogWeaveを提案する。 DogWeaveは、粗い初期パラメータメッシュを詳細なSDF表現に精製することで、幾何学的改善を行う。 DogWeaveは、完全なリアルな3Dモデルを生成し、犬の形状精度とテクスチャリアリズムの両方で、最先端の単一画像から3D再構成方法に勝る。
  論文  参考訳（メタデータ） (2026-03-08T03:35:49Z)
• NeuralFur: Animal Fur Reconstruction From Multi-View Images [56.497408146667205]
  画像からリアルな動物の毛皮の形状を再構築することは、微細な細部、自己閉塞性、毛皮の外観に依存しているため、難しい作業である。 ストランドベース表現を用いた動物の高忠実度3次元毛皮モデリングのための,第1のマルチビューベース手法を提案する。
  論文  参考訳（メタデータ） (2026-01-18T16:46:38Z)
• Generative Zoo [41.65977386204797]
  各種の哺乳類の四足動物に対して多様なポーズと形状の集合をサンプリングするパイプラインを導入し,それに対応する接地トルースポーズと形状パラメータを用いたリアルな画像を生成する。 我々はGenZoo上で3Dポーズと形状回帰器を訓練し、実際の動物のポーズと形状推定ベンチマーク上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-12-11T04:57:53Z)
• Animal Avatars: Reconstructing Animatable 3D Animals from Casual Videos [26.65191922949358]
  モノクロビデオからアニマタブルな犬用アバターを構築する方法を提案する。 動物は様々な(予測不可能な)非剛体運動を示し、外観の詳細を持っているため、これは難しい。 我々は,動物のポーズの変化と外観を共同で解決する4Dソリューションを用いて,映像フレームをリンクする手法を開発した。
  論文  参考訳（メタデータ） (2024-03-25T18:41:43Z)
• Virtual Pets: Animatable Animal Generation in 3D Scenes [84.0990909455833]
  仮想ペット(Virtual Pet)は、3次元環境下での標的動物種に対する現実的で多様な動きをモデル化するための新しいパイプラインである。 我々はモノクロインターネットビデオを活用し、背景と背景の静的なNeRF表現に対して変形可能なNeRF表現を抽出する。 我々は,種レベルの共有テンプレート学習とビデオ毎の微調整を含む再構築戦略を開発する。
  論文  参考訳（メタデータ） (2023-12-21T18:59:30Z)
• Single-Shot Implicit Morphable Faces with Consistent Texture Parameterization [91.52882218901627]
  本稿では,3次元形態素な顔モデルを構築するための新しい手法を提案する。 本手法は, 最先端手法と比較して, フォトリアリズム, 幾何, 表現精度を向上する。
  論文  参考訳（メタデータ） (2023-05-04T17:58:40Z)
• Coarse-to-fine Animal Pose and Shape Estimation [67.39635503744395]
  単一画像から3次元動物メッシュを再構成する粗大なアプローチを提案する。 粗い推定段階はまずSMALモデルのポーズ、形状、翻訳パラメータを推定する。 次に、推定メッシュをグラフ畳み込みネットワーク(GCN)によって開始点として使用し、精製段階における頂点毎の変形を予測する。
  論文  参考訳（メタデータ） (2021-11-16T01:27:20Z)

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。