論文の概要: MGAvatar: Mesh-Bound Gaussians for Head Avatar Geometry and Appearance Modeling
- arxiv url: http://arxiv.org/abs/2609.12850v2
- Date: Mon, 14 Sep 2026 11:23:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 12:40:38.807944
- Title: MGAvatar: Mesh-Bound Gaussians for Head Avatar Geometry and Appearance Modeling
- Title（参考訳）: MGAvatar: 頭部アバター形状と外観モデリングのためのメッシュ境界ガウス
- Abstract要約: MGAvatarは幾何学と外観を共同でモデル化したガウスとメシュのハイブリッド表現である。
独立に最適化されたガウス色によって生じるアーティファクトを緩和するビューコンディショニングニューラルカラーフィールドを導入する。
マルチビューおよびモノクロビデオの実験では、MGAvatarはレンダリング品質において既存の手法よりも優れていた。
- 参考スコア（独自算出の注目度）: 15.205032107811356
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate head modeling requires a stable yet expressive geometric representation. Existing Gaussian-based head avatars commonly rely on parametric templates (e.g., FLAME) for Gaussian initialization and deformation, but these templates lack personalized priors and struggle to represent structures such as hair and clothing. To address this issue, we propose MGAvatar, a Gaussian-mesh hybrid representation that jointly models geometry and appearance through two Gaussian-mesh binding modes. Specifically, we introduce vertex-bound Gaussians and constrain their learnable parameters, enabling progressive mesh deformation to represent complex head geometry, while a pose-dependent offset module accounts for non-rigid deformations. Once geometry is stabilized, MGAvatar switches to face-bound Gaussians for appearance modeling. To improve appearance consistency across novel poses and viewpoints, we introduce a view-conditioned neural color field that alleviates artifacts caused by independently optimized Gaussian colors. In addition, we design a Gaussian offset network to predict Gaussian offset maps in the observation space, providing greater flexibility for face-bound Gaussians to capture dynamic facial textures. Extensive experiments on multi-view and monocular videos show that MGAvatar outperforms existing methods in rendering quality, producing high-fidelity head avatars with rich texture details.
- Abstract（参考訳）: 正確な頭部モデリングには、安定だが表現力のある幾何学的表現が必要である。
既存のガウス系ヘッドアバターは、一般的にガウスの初期化と変形のためのパラメトリックテンプレート(例えばFLAME)に依存しているが、これらのテンプレートはパーソナライズされた事前や毛髪や衣服などの構造を表現するのに苦労している。
この問題に対処するため、2つのガウス-メシュ結合モードを通して幾何学と外観を共同でモデル化するガウス-メシュハイブリッド表現であるMGAvatarを提案する。
具体的には、頂点バウンドガウス(vertex-bound Gaussian)を導入し、学習可能なパラメータを制約し、プログレッシブメッシュ変形により複雑な頭部形状を表現し、ポーズ依存オフセットモジュールは非剛性変形を説明できる。
幾何が安定すると、MGAvatarは外観モデリングのために顔境界ガウスに切り替える。
新規なポーズや視点間の外観整合性を改善するために,独立に最適化されたガウス色によるアーティファクトを緩和するビューコンディショニングニューラルカラーフィールドを導入する。
さらに、ガウスオフセットネットワークを設計し、観測空間におけるガウスオフセットマップを予測し、顔境界ガウスが動的な顔のテクスチャを捉える柔軟性を高める。
マルチビューおよびモノクロビデオの広汎な実験により、MGAvatarはレンダリング品質において既存の手法よりも優れており、テクスチャの細かい高忠実度ヘッドアバターを生み出している。
関連論文リスト
- GaussianGrow: Geometry-aware Gaussian Growing from 3D Point Clouds with Text Guidance [60.86483080195698]
3D Gaussian Splattingは、レンダリング効率と品質において優れた性能を示している。
既存の手法では、ガウス原始体を推定するための幾何学的参照として点写像を予測することを検討した。
GaussianGrowは、簡単にアクセス可能な3Dポイントクラウドからガウシアンを成長させることで、3Dガウシアンを生成する新しいアプローチである。
論文 参考訳（メタデータ） (2026-04-07T11:23:23Z) - GRMM: Real-Time High-Fidelity Gaussian Morphable Head Model with Learned Residuals [78.67749748078813]
3D Morphable Models (3DMM)は、再構成、アニメーション、AR/VRのための制御可能な顔形状と表情の編集を可能にする。
GRMMは,ベース3DMMに残留形状と外観成分を付加した最初のフルヘッド型ガウス型3次元形状モデルである。
GRMMは、インタラクティブなリアルタイムパフォーマンスを提供しながら、忠実さと表現精度において最先端の手法を超越している。
論文 参考訳（メタデータ） (2025-09-02T09:43:47Z) - MoGaFace: Momentum-Guided and Texture-Aware Gaussian Avatars for Consistent Facial Geometry [3.0373043721834163]
MoGaFaceは、顔の形状とテクスチャ特性を継続的に洗練する、3Dヘッドアバターモデリングフレームワークである。
MoGaFaceは高忠実な頭部アバター再構成を実現し、新規な合成品質を著しく向上させる。
論文 参考訳（メタデータ） (2025-08-02T06:25:51Z) - AniGaussian: Animatable Gaussian Avatar with Pose-guided Deformation [51.61117351997808]
SMPLポーズガイダンスを用いて動的ガウスアバターを拘束する革新的ポーズ誘導変形戦略を導入する。
我々は、ガウスモデルの動的変換能力を高めるために、以前の研究から厳密な事前を取り入れた。
既存の手法との比較により、AniGaussianは定性的結果と定量的指標の両方において優れた性能を示す。
論文 参考訳（メタデータ） (2025-02-24T06:53:37Z) - RMAvatar: Photorealistic Human Avatar Reconstruction from Monocular Video Based on Rectified Mesh-embedded Gaussians [17.99475480217687]
モノクロビデオからアバターを学習するために、メッシュ上にガウススプラッティングを組み込んだ新しい人間のアバター表現であるRMAvatarを紹介した。
明示的なメッシュ幾何を用いて仮想人間の動きと形状を表現し、ガウススプラッティングによる暗黙の外観レンダリングを行う。
RMAvatarは、レンダリング品質と定量的評価の両方について最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-01-13T07:32:44Z) - Gaussian Eigen Models for Human Heads [28.49783203616257]
現在のパーソナライズされたニューラルヘッドアバターはトレードオフに直面している。軽量モデルは詳細とリアリズムを欠いているが、高品質でアニマタブルなアバターは計算資源がかなり必要である。
本稿では,高品質で軽量で制御しやすい頭部アバターを提供するガウス固有モデル(GEM)を紹介する。
論文 参考訳（メタデータ） (2024-07-05T14:30:24Z) - Generalizable Human Gaussians from Single-View Image [52.100234836129786]
単視点一般化可能なHuman Gaussian Model(HGM)を導入する。
提案手法では, 粗い予測されたヒトガウスの背景画像を改良するために, ControlNet を用いる。
非現実的な人間のポーズや形状の潜在的な発生を緩和するために、SMPL-Xモデルからの人間の先行を二重分岐として組み込む。
論文 参考訳（メタデータ） (2024-06-10T06:38:11Z) - GGAvatar: Geometric Adjustment of Gaussian Head Avatar [6.58321368492053]
GGAvatarは、複雑なアイデンティティを持つ動的ヘッドアバターを堅牢にモデル化するために設計された、新しい3Dアバター表現である。
GGAvatarは高忠実なレンダリングを生成でき、視覚的品質と定量的メトリクスにおいて最先端の手法より優れている。
論文 参考訳（メタデータ） (2024-05-20T12:54:57Z) - HR Human: Modeling Human Avatars with Triangular Mesh and High-Resolution Textures from Videos [52.23323966700072]
本研究では,モノクロ映像から高精細な物理材料テクスチャとメッシュを付加したアバターの取得のための枠組みを提案する。
本手法では,モノクロ映像からの情報を組み合わせて仮想多視点画像の合成を行う新しい情報融合方式を提案する。
実験により, 提案手法は, 高忠実度で従来の表現よりも優れており, この明示的な結果は共通三角形への展開をサポートすることが示された。
論文 参考訳（メタデータ） (2024-05-18T11:49:09Z) - Hybrid Explicit Representation for Ultra-Realistic Head Avatars [55.829497543262214]
我々は,超現実的な頭部アバターを作成し,それをリアルタイムにレンダリングする新しい手法を提案する。
UVマップされた3Dメッシュは滑らかな表面のシャープでリッチなテクスチャを捉えるのに使われ、3Dガウス格子は複雑な幾何学構造を表現するために用いられる。
モデル化された結果が最先端のアプローチを上回る実験を行ないました。
論文 参考訳（メタデータ） (2024-03-18T04:01:26Z) - GVA: Reconstructing Vivid 3D Gaussian Avatars from Monocular Videos [56.40776739573832]
モノクロビデオ入力(GVA)から鮮明な3Dガウスアバターの作成を容易にする新しい手法を提案する。
私たちのイノベーションは、高忠実な人体再構築を実現するという、複雑な課題に対処することにあります。
通常の地図とシルエットを整列させて手足のポーズ精度を向上させるためにポーズ改善手法を提案する。
論文 参考訳（メタデータ） (2024-02-26T14:40:15Z) - Mesh-based Gaussian Splatting for Real-time Large-scale Deformation [58.18290393082119]
ユーザがリアルタイムで大きな変形で暗黙の表現を直接変形または操作することは困難である。
我々は,インタラクティブな変形を可能にする新しいGSベースの手法を開発した。
提案手法は,高いフレームレートで良好なレンダリング結果を維持しつつ,高品質な再構成と効率的な変形を実現する。
論文 参考訳（メタデータ） (2024-02-07T12:36:54Z)
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。