論文の概要: One Basis to Animate Them All: Gaussian Blendshape Distillation for Real-Time Avatars

• arxiv url: http://arxiv.org/abs/2610.02207v1
• Date: Thu, 01 Oct 2026 17:59:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.37613
• Title: One Basis to Animate Them All: Gaussian Blendshape Distillation for Real-Time Avatars
• Title（参考訳）: アニメートのための1つの基礎:リアルタイムアバターのためのガウスブレンドシェープ蒸留
• Abstract要約: GALA(Gaussian Animation via Linear Approximation)は,フレーム単位の重大神経復号を浅い係数予測器と線形ブレンドで置き換える手法である。 顔表情の3次元アニメーションと衣料動態のフルボディの3つの異なるアバターモデルの推論を高速化し,GALAを検証した。
• 参考スコア（独自算出の注目度）: 20.522795792033673
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian avatars support fast rendering, however, their real-time animation is often challenged by the costly neural inference. We address this bottleneck and show that the animation of pretrained avatar models can be closely approximated by a linear combination of identity-independent blendshapes. Building on this finding, we introduce GALA (Gaussian Animation via Linear Approximation), a distillation method that replaces per-frame heavy neural decoding with a shallow coefficient predictor and a linear blend. To improve fidelity and reduce memory requirements, we propose to construct the basis using block-local PCA under a rendering-aware metric and a memory budget. Our method learns a shallow MLP network to predict blendshape coefficients and applies to various animation architectures without retraining original models. We validate GALA by accelerating the inference of three distinct avatar models for 3D animation of facial expressions and full-bodies with clothing dynamics. Across these models, our distillation generalizes to held-out identities and reduces CPU animation cost by up to three orders of magnitude while preserving most of the rendering quality. Excellent results of our method confirm the shared linear structure of learned avatar representations and enable highly efficient and accurate animation at frame rates reaching up to 60fps on mobile devices. Project page: https://ramazan793.github.io/gala/
• Abstract（参考訳）: 3Dガウスアバターは高速レンダリングをサポートするが、そのリアルタイムアニメーションは高価な神経推論によってしばしば挑戦される。 このボトルネックに対処し、事前学習したアバターモデルのアニメーションが、アイデンティティ非依存のブレンドサップの線形結合により、密に近似可能であることを示す。 この結果に基づき, GALA (Gaussian Animation via Linear Approximation) を導入し, フレーム単位の重度神経デコーディングを浅い係数予測器と線形ブレンドに置き換える蒸留法を提案する。 そこで本研究では,レンダリング・アウェア・メトリックとメモリ予算に基づいて,ブロックローカルPCAを用いたベースを構築することを提案する。 本手法は,ブレンドシェープ係数を推定するための浅いMLPネットワークを学習し,元のモデルを再学習することなく,様々なアニメーションアーキテクチャに適用する。 顔表情の3次元アニメーションと衣料動態のフルボディの3つの異なるアバターモデルの推論を高速化し,GALAを検証した。 これらのモデル全体で、蒸留は保持されたアイデンティティに一般化し、CPUアニメーションのコストを最大3桁まで削減し、ほとんどのレンダリング品質を保っている。 提案手法の優れた結果は,学習したアバター表現の共有線形構造を確認し,最大60fpsのフレームレートでの高効率かつ正確なアニメーションを可能にする。 プロジェクトページ:https://ramazan793.github.io/gala/

関連論文リスト

• AvatarPointillist: AutoRegressive 4D Gaussian Avatarization [90.04660868714838]
  AvatarPointillistは、単一のポートレートイメージから動的4Dガウスアバターを生成するためのフレームワークである。 提案手法のコアとなるのはデコーダのみの変換器で,3次元ガウス分割のための点雲を自己回帰的に生成する。 ポイント生成中、ARモデルはポイント単位のバインディング情報を共同で予測し、現実的なアニメーションを可能にする。
  論文  参考訳（メタデータ） (2026-04-06T15:56:50Z)
• AGORA: Adversarial Generation Of Real-time Animatable 3D Gaussian Head Avatars [54.854597811704316]
  AGORAは、3DGSを生成的敵ネットワーク内で拡張し、アニマタブルなアバターを生成する新しいフレームワークである。 表現の忠実度は、二重識別器の訓練スキームによって強制される。 AGORAは視覚的にリアルなだけでなく、正確に制御可能なアバターを生成する。
  論文  参考訳（メタデータ） (2025-12-06T14:05:20Z)
• LAM: Large Avatar Model for One-shot Animatable Gaussian Head [20.503641046404184]
  一つの画像からガウスの頭部再構成を行うための革新的な大型アバターモデル LAM を提案する。 LAMはアニマタブルなガウスヘッドを1つのフォワードパスで生成し、追加のネットワークや後処理ステップを使わずに再現とレンダリングを可能にする。 LAMは既存のベンチマークで最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-02-25T02:57:45Z)
• SqueezeMe: Mobile-Ready Distillation of Gaussian Full-Body Avatars [19.249226899376943]
  本稿では,高忠実度3Dガウスフルボディアバターを軽量な表現に変換するフレームワークであるSqueezeMeを紹介する。 私たちはMeta Quest 3 VRヘッドセットで3つのガウスアバターをリアルタイムで(72FPS)同時アニメーションとレンダリングを初めて実現しました。
  論文  参考訳（メタデータ） (2024-12-19T18:46:55Z)
• Generalizable and Animatable Gaussian Head Avatar [50.34788590904843]
  本稿では,GAGAvatar(Generalizable and Animatable Gaussian Head Avatar)を提案する。 我々は、1つの前方通過で1つの画像から3次元ガウスのパラメータを生成する。 提案手法は, 従来の手法と比較して, 再現性や表現精度の点で優れた性能を示す。
  論文  参考訳（メタデータ） (2024-10-10T14:29:00Z)
• FLARE: Fast Learning of Animatable and Relightable Mesh Avatars [64.48254296523977]
  私たちのゴールは、幾何学的に正確で、リアルで、楽しい、現在のレンダリングシステムと互換性のあるビデオから、パーソナライズ可能な3Dアバターを効率的に学習することです。 単眼ビデオからアニマタブルアバターとリライトブルアバターの作成を可能にする技術であるFLAREを紹介する。
  論文  参考訳（メタデータ） (2023-10-26T16:13:00Z)

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。