論文の概要: LatentReRig: An SDF-Based VAE with Dual Decoders for Latent-Space Deformation Conditioning

• arxiv url: http://arxiv.org/abs/2609.31720v1
• Date: Mon, 21 Sep 2026 21:49:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 13:24:39.483629
• Title: LatentReRig: An SDF-Based VAE with Dual Decoders for Latent-Space Deformation Conditioning
• Title（参考訳）: LatentReRig: 遅延空間変形条件のためのデュアルデコーダ付きSDFベースのVAE
• Abstract要約: LatentReRigは、学習された幾何学的潜在空間において、ポーズ関連の変化が再利用可能な方向として表現できるかどうかを調査する。 制御されたヒューマノイドデータセットの実験では、いくつかのポーズがアイデンティティをまたいだコヒーレントな潜在方向を誘導することを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Transferring deformation between characters with different geometry and topology is challenging because conventional rigs encode behaviour through character-specific structures and correspondences. We present LatentReRig, an experimental framework that investigates whether pose-associated changes can instead be represented as reusable directions in a learned geometric latent space. An SDF-based variational autoencoder is coupled with two decoders: one reconstructs the implicit field, while the other predicts target vertex positions from source geometry and latent deformation conditioning. The source geometry may be neutral or already deformed. Experiments on a controlled humanoid dataset show that several poses induce coherent latent directions across identities, particularly for broad articulated motions. These signals can guide deformation of unseen characters, but explicit predictions remain less accurate for localized changes and corrective contributions. Diagnostic comparisons with repeated SDF sampling show that inter-identity distances exceed same-geometry resampling variability on average, while pose signals exhibit different margins above this baseline. The results support the presence of reusable pose-related structure and identify stable local conditioning and accurate mesh decoding as complementary requirements for improving transfer.
• Abstract（参考訳）: 従来のリグは、文字固有の構造と対応を通して振舞いをエンコードするので、異なる幾何学とトポロジを持つ文字間の変形の転送は困難である。 学習された幾何学的潜在空間において、ポーズ関連の変化が再利用可能な方向として表現できるかどうかを調査する実験的なフレームワークであるLatentReRigを提示する。 SDFベースの変分オートエンコーダは2つのデコーダで結合される: 1つは暗黙のフィールドを再構成し、もう1つはソース幾何学と潜時変形条件から目標頂点位置を予測する。 ソースジオメトリは中立的であるか、既に変形しているかもしれない。 制御されたヒューマノイドデータセットの実験では、いくつかのポーズがアイデンティティ、特に広い関節運動に対してコヒーレントな潜在方向を誘導することが示された。 これらの信号は未知の文字の変形を導くことができるが、明示的な予測は局所的な変化や修正的な寄与に対して精度が低いままである。 SDFサンプリングと比較したところ, 距離は平均的に同じ形状のリサンプリング可能性を超え, ポーズ信号はベースライン上に異なるマージンを示すことがわかった。 その結果、再利用可能なポーズ関連構造の存在を支持し、移動を改善するための相補的要件として、安定した局所条件と正確なメッシュデコーディングを特定した。

関連論文リスト

• Geometry-Conditioned Visual Place Recognition in Natural Environments [11.751879379391632]
  Depth-Aware Distillation (DAD) による相補的幾何整合性の利用 DADは、深度センサーを使わずにGeometric Foundation Model (GFM)によって推定される幾何学上の事前訓練されたビジョンファウンデーションモデル(VFM)のトークン表現を条件にしている。 2段階の教師指導型学習戦略は、まず、幾何学条件付き表現を事前訓練された外観空間に固定し、その後、位置識別のために精製する。
  論文  参考訳（メタデータ） (2026-09-23T05:19:23Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• SEED: Targeted Data Selection by Weighted Independent Set [76.68391670109433]
  我々はSEEDと呼ばれる堅牢でスケーラブルなデータ選択パイプラインを開発した。 SEEDは、命令チューニング、視覚的命令チューニング、セマンティックセグメンテーションにおける最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-15T07:26:54Z)
• Multiscale Euclidean Network Trajectories: Second-Moment Geometry, Attribution, and Change Points [0.0]
  動的ネットワーク分析における中心的な課題は、幾何学的に意味があり統計的に識別可能な方法で時間進化を表現することである。 第2モーメント幾何に基づく多スケール時間軌道のフレームワークであるMultiscale Euclidean Network Trajectories (MENT) を開発した。
  論文  参考訳（メタデータ） (2026-05-06T07:39:54Z)
• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• Fubini Study geometry of representation drift in high dimensional data [0.0]
  高次元表現のドリフトは、ユークリッド距離またはコサイン距離を用いて一般的に定量化される。 フービニ・スタディ・メトリックスにおいて,表現漂流の射影幾何学的視点を導入する。 フービニ・スタディ(Fubini Study)測度は、ゲージ誘起揺らぎの下での残留不変量による内在的進化を分離することを示した。
  論文  参考訳（メタデータ） (2026-02-01T16:00:59Z)
• Dense Semantic Matching with VGGT Prior [49.42199006453071]
  本稿では,VGGTの本質的な強みを,初期の特徴段階を再利用し,後続の特徴段階を微調整し,双方向対応のための意味的頭部を追加することによって維持するアプローチを提案する。 提案手法は, 従来のベースラインよりも優れた幾何認識, 整合性, および多様体保存を実現する。
  論文  参考訳（メタデータ） (2025-09-25T14:56:11Z)
• Exploring Invariant Representation for Visible-Infrared Person Re-Identification [77.06940947765406]
  異なるスペクトルを横断する歩行者にアイデンティティを関連付けることを目的とした、クロススペクトルの人物再識別は、モダリティの相違の主な課題に直面している。 本稿では、ロバスト機能マイニングネットワーク(RFM)と呼ばれるエンドツーエンドのハイブリッド学習フレームワークにおいて、画像レベルと特徴レベルの両方の問題に対処する。 RegDBとSYSU-MM01という2つの標準的なクロススペクトル人物識別データセットの実験結果により,最先端の性能が示された。
  論文  参考訳（メタデータ） (2023-02-02T05:24:50Z)
• The Geometry of Deep Generative Image Models and its Applications [0.0]
  generative adversarial networks (gans) は、実世界のデータセットの統計パターンをモデル化する強力な教師なし手法として登場した。 これらのネットワークは、潜在空間内のランダムな入力を学習データを表す新しいサンプルにマップするように訓練される。 潜在空間の構造は、その高い寸法性と発電機の非線形性のために内挿しが困難である。
  論文  参考訳（メタデータ） (2021-01-15T07:57:33Z)

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。