論文の概要: Revisiting Avatar-As-Image: High-Fidelity Registration is All You Need

• arxiv url: http://arxiv.org/abs/2609.11722v1
• Date: Thu, 10 Sep 2026 15:40:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.421937
• Title: Revisiting Avatar-As-Image: High-Fidelity Registration is All You Need
• Title（参考訳）: Avatar-as- Image: High-Fidelity Registration(動画あり)
• Abstract要約: AvaImgは、ボディフィッティング、形状推定、および6つのデータセットにおける表面登録において、すべてのベースラインを上回っている。 AvaImgのAvatar-as-Image表現の検証のために、凍結されたFLUX VAEを介して紫外線マップを自動エンコードする。
• 参考スコア（独自算出の注目度）: 25.222133417690852
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The representation of 3D clothed humans as standardized 2D UV texture and displacement maps over an underlying body model has long been studied. This compact representation is enticing as it enables pretrained image networks to process, generate, and edit 3D avatars, but is only useful if scans are accurately aligned and brought into correspondence via high-fidelity registration. This prerequisite has never been met, which we argue explains the limited quality of prior UV-based methods for clothed humans. Despite its significance, no public method produces high-fidelity SMPL(-X)+D registrations with UV texture from arbitrary clothed scans. We present AvaImg, a multi-stage optimization pipeline, to close this gap: it enforces body-inside-clothing constraint via signed winding numbers, made viable by a three-level efficiency cascade (~10x runtime reduced, ~95% storage saved), and recovers fine surface detail using coarse-to-fine displacement optimization. AvaImg outperforms all baselines in body fitting, shape estimation, and surface registration across six datasets, yielding textured registrations near-indistinguishable from scans (PSNR=34.48dB). For validation of AvaImg's Avatar-as-Image representation as imminently compatible with image foundation models, we auto-encode our UV maps via the frozen FLUX VAE. This achieves only 0.76mm added Chamfer error relative to scan and shows that the resulting maps lie within natural-image distributions, supporting the use of 2D generative priors for 3D avatar generation. Code, data, and Singularity containers will be at https://yuxuan-xue.com/avaimg.
• Abstract（参考訳）: 標準2次元紫外線テクスチャおよび変位マップとしての3次元衣服の人体モデルによる表現は,長年にわたって研究されてきた。 このコンパクトな表現は、事前訓練された画像ネットワークが3Dアバターを処理、生成、編集できるようにするため魅力的であるが、スキャンが正確に整列され、高忠実性登録によって通信される場合にのみ有用である。 この前提条件は満たされていないため、従来のUVベースのヒトの方法の限られた品質について論じる。 その重要性にもかかわらず、任意の布地スキャンからUVテクスチャを付加した高忠実なSMPL(-X)+D登録法は存在しない。 我々は,このギャップを埋めるために,多段最適化パイプラインであるAvaImgを紹介した。これは,3レベル効率カスケード(約10倍の削減,95%のストレージ保存)で実現可能な,符号付き巻線数によるボディー・イン・サイド・クローズ・制約を強制し,粗粒偏移最適化を用いて微細表面のディテールを復元する。 AvaImgは、6つのデータセットにまたがるボディーフィッティング、形状推定、表面登録において全てのベースラインを上回り、スキャニング(PSNR=34.48dB)とほぼ区別できないテクスチャ化された登録を得る。 AvaImgのAvatar-as- Image表現を画像基盤モデルと即時互換として検証するために、凍結FLUX VAEを介して紫外線マップを自動エンコードする。 これにより、スキャンに対して0.76mm追加のチャンファー誤差しか得られず、結果として得られるマップが自然像の分布内にあることを示し、3Dアバター生成に2D生成前駆体の使用をサポートする。 コード、データ、Singularityコンテナはhttps://yuxuan-xue.com/avaimg.com/で提供される。

関連論文リスト

• PFAvatar: Pose-Fusion 3D Personalized Avatar Reconstruction from Real-World Outfit-of-the-Day Photos [24.8968050268664]
  PFAvatarは、OOTD(Outfit of the Day)の写真から高品質な3Dアバターを再構築する新しい方法だ。 従来の手法に比べて48倍の高速化を実現し, パーソナライズをわずか5分で完了した。
  論文  参考訳（メタデータ） (2025-11-17T03:40:43Z)
• FAMOUS: High-Fidelity Monocular 3D Human Digitization Using View Synthesis [51.193297565630886]
  テクスチャを正確に推測することの難しさは、特に正面視画像の人物の背中のような不明瞭な領域に残る。 このテクスチャ予測の制限は、大規模で多様な3Dデータセットの不足に起因する。 本稿では,3次元デジタル化におけるテクスチャと形状予測の両立を図るために,広範囲な2次元ファッションデータセットを活用することを提案する。
  論文  参考訳（メタデータ） (2024-10-13T01:25:05Z)
• UVMap-ID: A Controllable and Personalized UV Map Generative Model [67.71022515856653]
  制御可能でパーソナライズされたUVマップ生成モデルであるUVMap-IDを導入する。 従来の2次元の大規模学習法とは異なり,本研究では,事前学習したテキスト・画像拡散モデルの微調整を提案する。 定量的および定性的な解析は、制御可能でパーソナライズされたUVマップ生成における本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-04-22T20:30:45Z)
• UV Gaussians: Joint Learning of Mesh Deformation and Gaussian Textures for Human Avatar Modeling [71.87807614875497]
  メッシュ変形と2次元UV空間のガウステクスチャを共同学習することで3次元人体をモデル化するUVガウスアンを提案する。 我々は,多視点画像,走査モデル,パラメトリックモデル登録,およびそれに対応するテクスチャマップを含む,人間の動作の新たなデータセットを収集し,処理する。
  論文  参考訳（メタデータ） (2024-03-18T09:03:56Z)
• Chupa: Carving 3D Clothed Humans from Skinned Shape Priors using 2D Diffusion Probabilistic Models [9.479195068754507]
  拡散モデルを用いてリアルな人間のデジタルアバターを生成する3D生成パイプラインを提案する。 われわれの方法であるChupaは、知覚的品質とアイデンティティの多様性を向上したリアルな3D衣服を作成できる。
  論文  参考訳（メタデータ） (2023-05-19T17:59:18Z)
• DRaCoN -- Differentiable Rasterization Conditioned Neural Radiance Fields for Articulated Avatars [92.37436369781692]
  フルボディの体積アバターを学習するためのフレームワークであるDRaCoNを提案する。 2Dと3Dのニューラルレンダリング技術の利点を利用する。 挑戦的なZJU-MoCapとHuman3.6Mデータセットの実験は、DRaCoNが最先端の手法より優れていることを示している。
  論文  参考訳（メタデータ） (2022-03-29T17:59:15Z)
• AGORA: Avatars in Geography Optimized for Regression Analysis [35.22486186509372]
  AGORAは、高いリアリズムと高精度な地上真実を持つ合成データセットである。 SMPL-Xのボディモデル(顔と手)を3Dスキャンに合わせることで、参照3Dポーズと体形を作成する。 このデータセットを用いて既存の3次元ポーズ推定手法の評価を行い、ほとんどの手法が子供の画像に悪影響を及ぼすことを見出した。
  論文  参考訳（メタデータ） (2021-04-29T20:33:25Z)
• OSTeC: One-Shot Texture Completion [86.23018402732748]
  ワンショット3D顔テクスチャ補完のための教師なしアプローチを提案する。 提案手法では,2次元フェースジェネレータで回転画像を再構成することにより,入力画像を3次元で回転させ,見えない領域を埋め込む。 完成したテクスチャーをジェネレーターに投影することで、ターゲットイメージを先取りします。
  論文  参考訳（メタデータ） (2020-12-30T23:53:26Z)
• 3D Human Mesh Regression with Dense Correspondence [95.92326689172877]
  単一の2D画像から人体の3Dメッシュを推定することは、拡張現実や人間とロボットのインタラクションといった多くのアプリケーションにおいて重要なタスクである。 前者は畳み込みニューラルネットワーク(CNN)を用いて抽出した大域的画像特徴から3Dメッシュを再構成した。 本稿では,メッシュとUV空間の局所像特徴との密接な対応性を明確に確立する,DecoMRというモデルフリーな3次元メッシュ推定フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-10T08:50:53Z)

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。