論文の概要: ORMA: Optimization-based Monocular 4D Reconstruction of Articulated Animals
- arxiv url: http://arxiv.org/abs/2609.37986v1
- Date: Tue, 29 Sep 2026 16:49:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.754316
- Title: ORMA: Optimization-based Monocular 4D Reconstruction of Articulated Animals
- Title（参考訳）: ORMA--最適化に基づく人工動物の単眼4次元再構成
- Abstract要約: ORMAは、調音を形から分離する、トレーニング不要の再構築フレームワークである。
本稿では,地上3D形状とカメラモーションを用いた多種合成ベンチマークPAW4Dを提案する。
- 参考スコア（独自算出の注目度）: 56.194492497551884
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recovering articulated 4D representations of animals from monocular videos remains challenging due to the large diversity of quadruped morphologies and lack of animal 4D supervision data. Existing learning-based reconstruction methods operate on individual images and rely on synthetic or model-fitted 3D supervision, which inherits the constraints of strong parametric priors and limits generalization to out-of-distribution species. When applied to out-of-distribution animals, they often recover a plausible pose while producing inaccurate geometry because the underlying shape model cannot faithfully represent the observed instance. We present ORMA, a training-free reconstruction framework that decouples articulation from shape, using the predicted pose as reference for optimization while leveraging generative 3D priors for accurate shape reconstruction. Given a reference image, we reconstruct the animal geometry and register it to the parametric model SMAL+, yielding an articulated shape adapted to the observed instance. We then combine per-frame articulated pose estimates with globally consistent camera poses to recover animal motion in a shared world coordinate frame, and further refine the reconstruction using self-supervised DINO correspondences and temporal consistency. To enable quantitative evaluation, we introduce PAW4D, a synthetic multi-species benchmark with ground-truth 3D geometry and camera motion. Experiments on PAW4D, PFERD, and challenging in-the-wild videos demonstrate that ORMA improves reconstruction accuracy while recovering globally consistend animal motion across diverse quadruped species.
- Abstract（参考訳）: 4つの形態の多様性と動物の4D監督データが欠如していることから、単眼ビデオから動物の4D表現を明瞭に復元することは依然として困難である。
既存の学習に基づく再構築手法は、個々の画像を操作し、強力なパラメトリック先行の制約を継承し、分布外種に一般化を制限する、合成またはモデルに適合した3D監視に依存している。
アウト・オブ・ディストリビューション動物に適用すると、下層の形状モデルが観察された事例を忠実に表現できないため、不正確な形状を作り出しながら、もっともらしいポーズを回復することが多い。
提案するORMAは, 音節を形状から切り離す訓練自由再構成フレームワークであり, 予測されたポーズを最適化の基準として用い, 正確な形状復元のための生成3D先行情報を活用する。
基準画像から,動物形状を復元し,パラメトリックモデルSMAL+に登録し,観察例に適合した形状を呈する。
次に、フレームごとの合成ポーズ推定と一貫した一貫したカメラポーズを組み合わせ、共有世界座標フレームにおける動物の動きを復元し、自己教師付きDINO対応と時間的整合性を用いて再構成をさらに洗練する。
定量的評価を実現するため,地上3次元形状とカメラモーションを用いた合成多種ベンチマークPAW4Dを導入する。
PAW4D(英語版)、PFERD(英語版)、挑戦的な野生動物ビデオ(英語版)の実験では、ORMAは多種多種多様な動物の動きを世界規模で再現し、復元精度を向上させることが示されている。
関連論文リスト
- AnimalLift: Reconstructing Animatable 3D Animals from a Single Image by Learning Canonical Shape, Texture, and Fur Maps [57.43241902500102]
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。
論文 参考訳（メタデータ） (2026-09-08T22:55:46Z) - CORGI: Consistency-Aware 3D Dog Reconstruction from a Single Image in the Wild [13.416281912804633]
CORGIは、単一の制約のない画像から、一貫性を意識した3D犬の再構築のための新しいフレームワークである。
生成的不整合とマルチビューキャプチャの欠如を克服するために,パイプラインには3つのコアコンポーネントが導入されている。
我々は,CORGIが最先端のパフォーマンスを達成し,多種多様な犬種をシームレスに一般化することを示す。
論文 参考訳（メタデータ） (2026-07-01T01:38:29Z) - Progressive Pose-Guided 4D Animal Reconstruction from Monocular Video [35.57694046820891]
本研究では,高忠実度4D動物再構成のための3次元ガウス平板上に構築したテスト時間最適化フレームワークを提案する。
我々は、カメラ推定ドリフトを吸収しながら左右の手がかりを利用する対称性を意識した時間符号化を用いる。
本手法は多種多様な種にまたがって頑健に一般化し, 優れた幾何学的精度, 時間的一貫性, 視覚的忠実度を実現している。
論文 参考訳（メタデータ） (2026-06-30T20:32:29Z) - Ground4D: Consistency-Aware 4D Reconstruction from Monocular Video [69.94904173314505]
2つのステージ上に構築された幾何グラウンドのフレームワークであるGround4Dを提案する。
まず,モノクロ映像から複数視点の立体形状とカメラポーズを再構成する。
第2に,動的ガウススプラッティングによる幾何整合性を考慮した改良を行う。
論文 参考訳（メタデータ） (2026-06-27T09:27:42Z) - Lift4D: Harmonizing Single-View 3D Estimation for 4D Reconstruction In-the-Wild [87.49244020695505]
モノクロビデオから動的非剛体オブジェクトを再構成するには、幾何学と外観に関するデータ駆動の先行と直接観察から視覚的手がかりを統合する必要がある。
以前のアプローチでは、視覚的な入力から直接4D表現を予測するか、ビデオエビデンスに基づいて変形して洗練される3D表現を初期化する。
We present Lift4D, a test-time optimization framework that handle both limits。
論文 参考訳（メタデータ） (2026-06-22T17:59:54Z) - PRIMA: Boosting Animal Mesh Recovery with Biological Priors and Test-Time Adaptation [3.599033387924161]
PRIMAは、厳しい種の下で頑丈な3次元四重項メッシュ回復のためのフレームワークであり、不均衡を引き起こす。
本研究は,BioCLIP埋め込みを生物前駆体として組み込んで,再建プロセスに意味的および形態学的知識を注入する。
多様な種をカバーし,バリエーションを呈する大規模擬似3DデータセットであるQuadruped3Dを構築した。
論文 参考訳（メタデータ） (2026-06-01T15:13:47Z) - 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) - 4DEquine: Disentangling Motion and Appearance for 4D Equine Reconstruction from Monocular Video [40.23548336607091]
本研究では、4次元再構成問題を動的運動再構成と静的外観再構成の2つのサブプロブレムに分離する4DEquineと呼ばれる新しいフレームワークを提案する。
動画からスムーズかつピクセルアライメントなポーズと形状のシーケンスを復元するために,動作を最適化したシンプルな,効果的かつ効果的なトランスフォーマーを導入する。
本研究では,高忠実でアニマタブルな3Dガウスアバターを単一画像から再構成するフィードフォワードネットワークを設計する。
論文 参考訳（メタデータ） (2026-03-10T18:01:10Z) - Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion
Modeling [83.76377808476039]
本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。
動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。
混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
論文 参考訳（メタデータ） (2023-08-18T16:41:57Z) - H4D: Human 4D Modeling by Learning Neural Compositional Representation [75.34798886466311]
この研究は、動的人間に対するコンパクトで構成的な表現を効果的に学習できる新しい枠組みを提示する。
単純で効果的な線形運動モデルを提案し, 粗く規則化された動き推定を行う。
本手法は, 高精度な動作と詳細な形状を持つ動的ヒトの回復に有効であるだけでなく, 様々な4次元人間関連タスクにも有効であることを示す。
論文 参考訳（メタデータ） (2022-03-02T17:10:49Z)
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。