論文の概要: ManifoldSplat: Language-Guided Semantic Shape Editing of 3D Gaussian Head Avatars

• arxiv url: http://arxiv.org/abs/2610.03599v1
• Date: Fri, 02 Oct 2026 17:04:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.499545
• Title: ManifoldSplat: Language-Guided Semantic Shape Editing of 3D Gaussian Head Avatars
• Title（参考訳）: ManifoldSplat:3次元ガウス頭部アバターの言語ガイドによる意味的形状編集
• Abstract要約: ManifoldSplatは,言語指導型セマンティックシェイプ編集のための最初のエンドツーエンドフレームワークである。 構造化FLAME多様体内で編集を行うことで、アイデンティティとアニメーションを厳密に保存する。 本手法は, 局所的アライメント, 幾何学的コヒーレンス, アイデンティティ保存において, 新たな最先端技術を実現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-fidelity 3D head avatars have reached near-photorealistic quality. While recent methods enable text-driven manipulation, they struggle to provide fine-grained localized control, often entangling features or lacking geometric consistency. Modifying geometry through natural language currently requires slow per-prompt optimization or compromises identity and rigging. We present ManifoldSplat, the first end-toend framework for language-guided semantic shape editing of animatable 3D Gaussian Splatting avatars reconstructed from monocular videos. By performing edits within the structured FLAME manifold rather than directly optimizing an unstructured Gaussian cloud, we strictly preserve identity and animation. We introduce DeltaRegion, a per-region disentangled Conditional Variational Autoencoder (CVAE) delivering feedforward shape deltas, alongside a refining stage to recover view-consistent details. ManifoldSplat reconstructs and edits an avatar in ~90 seconds on a consumer GPU, rendering at ~800 FPS. Extensive evaluations demonstrate our approach sets a new state-of-the-art in localized prompt alignment, geometric coherence, and identity preservation. Project page and code: https://a-canela.github.io/manifoldsplat/
• Abstract（参考訳）: 高忠実度3Dヘッドアバターは、ほぼ光合成品質に達している。 近年の手法ではテキスト駆動操作が可能になっているが、細粒度な局所制御、しばしば絡み合う機能、幾何学的整合性の欠如に苦慮している。 現在、自然言語による幾何学の修正には、プロンプト毎の最適化が遅いか、アイデンティティとリギングの妥協が必要である。 モノクロビデオから再構成したアニマタブルな3次元ガウススプラッティングアバターの言語誘導型セマンティック形状編集のための最初のエンドツーエンドフレームワークであるManifoldSplatを提案する。 非構造ガウス雲を直接最適化するのではなく、構造化FLAME多様体内で編集を行うことにより、アイデンティティとアニメーションを厳密に保存する。 デルタレギオン(DeltaRegion)は、地域ごとの不整合条件変分オートエンコーダ(CVAE)で、フィードフォワード形状のデルタを提供する。 ManifoldSplatは、コンシューマGPUで約90秒でアバターを再構成し、編集し、800 FPSでレンダリングする。 大規模評価では,局所的なアライメント,幾何的コヒーレンス,アイデンティティの保存において,新たな最先端技術が確立された。 プロジェクトページとコード:https://a-canela.github.io/manifoldsplat/

関連論文リスト

• Edit3DGS: Unified Framework for Dynamic Head Editing via 2D Instruction-Guided Diffusion and 3D Gaussian Splatting [3.8101824866013523]
  動的3Dヘッド編集のための統合フレームワークEdit3DGSを提案する。 本手法は,画像領域における意味制御性と,時間的に整合した3次元表現とを結合する。
  論文  参考訳（メタデータ） (2026-06-16T02:26:20Z)
• Structure-Aware Fine-Grained Gaussian Splatting for Expressive Avatar Reconstruction [27.915439949805876]
  本稿では,モノクロビデオシーケンスから表現力とコヒーレントなフルボディの3次元アバターを再構築する手法を提案する。 本手法では,1段階のトレーニングのみが必要であり,定量評価と定性評価の両方において,最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-04-10T13:49:15Z)
• CaricatureGS: Exaggerating 3D Gaussian Splatting Faces With Gaussian Curvature [13.47263744740423]
  顔のための制御可能で制御可能な3Dキャラクタライゼーションフレームワークを紹介する。 我々は3Dガウススティング(3DGS)を利用しており、これは近年、現実的な自由視点アバターを生み出すことが示されている。
  論文  参考訳（メタデータ） (2026-01-06T13:56:28Z)
• FRESA: Feedforward Reconstruction of Personalized Skinned Avatars from Few Images [74.86864398919467]
  数枚の画像からリアルなアニメーションで、パーソナライズされた3Dアバターを再構成する新しい手法を提案する。 我々は、1000人以上の服を着た人間から普遍的な事前学習を行い、即時フィードフォワード生成とゼロショット一般化を実現する。 提案手法は, 最新技術よりも忠実な再構築とアニメーションを生成し, カジュアルに撮影された携帯電話写真からの入力に直接一般化することができる。
  論文  参考訳（メタデータ） (2025-03-24T23:20:47Z)
• Arc2Avatar: Generating Expressive 3D Avatars from a Single Image via ID Guidance [69.9745497000557]
  本稿では,人間の顔の基盤モデルを用いた最初のSDSベースの手法であるArc2Avatarについて述べる。 我々のアバターは人間の顔メッシュテンプレートとの密接な対応を維持しており、ブレンドシェープによる表現生成を可能にしている。
  論文  参考訳（メタデータ） (2025-01-09T17:04:33Z)
• Generating Editable Head Avatars with 3D Gaussian GANs [57.51487984425395]
  従来の3D-Aware Generative Adversarial Network (GAN) は、フォトリアリスティックでビューに一貫性のある3Dヘッド合成を実現する。 本稿では,3次元ガウススプラッティング(3DGS)を明示的な3次元表現として取り入れることで,3次元ヘッドアバターの編集性とアニメーション制御を向上する手法を提案する。 提案手法は,最先端の制御性を備えた高品質な3D認識合成を実現する。
  論文  参考訳（メタデータ） (2024-12-26T10:10:03Z)
• InvertAvatar: Incremental GAN Inversion for Generalized Head Avatars [40.10906393484584]
  本稿では,複数フレームからの忠実度向上を目的としたアルゴリズムを用いて,アバター復元性能を向上させる新しいフレームワークを提案する。 本アーキテクチャでは,画素対応画像-画像変換を重要視し,観測空間と標準空間の対応を学習する必要性を緩和する。 提案手法は,1ショットと数ショットのアバターアニメーションタスクにおける最先端の性能を示す。
  論文  参考訳（メタデータ） (2023-12-03T18:59:15Z)
• TADA! Text to Animatable Digital Avatars [57.52707683788961]
  TADAはテキスト記述を取り込み、高品質な幾何学とライフスタイルのテクスチャを備えた表現力のある3Dアバターを生産する。 我々は3次元変位とテクスチャマップを備えたSMPL-Xから最適化可能な高分解能ボディモデルを導出した。 我々は、生成した文字の正規表現とRGB画像をレンダリングし、SDSトレーニングプロセスにおけるそれらの潜伏埋め込みを利用する。
  論文  参考訳（メタデータ） (2023-08-21T17:59:10Z)
• Neural Parameterization for Dynamic Human Head Editing [26.071370285285465]
  暗黙的手法と明示的手法の両方の利点を提供するハイブリッド表現であるニューラル化(NeP)を提案する。 NePは、シーンの幾何学と外観のきめ細かい編集を可能にしながら、写真リアリスティックなレンダリングを可能にする。 その結果,NePは高い編集性を維持しつつ,ほぼ同じレベルのレンダリング精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2022-07-01T05:25:52Z)

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。