Fugu-MT 論文翻訳(概要): PDB: Point-Based Deformation Blending for Facial Animation Retargeting

論文の概要: PDB: Point-Based Deformation Blending for Facial Animation Retargeting

arxiv url: http://arxiv.org/abs/2610.08672v1
Date: Tue, 06 Oct 2026 16:55:31 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-08 02:58:30.131474
Title: PDB: Point-Based Deformation Blending for Facial Animation Retargeting
Title（参考訳）: PDB: 顔アニメーション再ターゲティングのためのポイントベース変形曲げ加工
Abstract要約: メッシュに依存しない顔のアニメーションは、異なる構造を持つメッシュをまたいだ表現を転送するが、人工物なしで動きを保存することは困難である。 PDBは、ソース中性表現対から変形した制御点のコンパクトなセットを予測し、ターゲット中性メッシュから重みを混合する。 PDBは、クロスアイデンティティの再構築、高速推論、学習重量の局所的サポートをサポートする。
参考スコア（独自算出の注目度）: 13.838320875179752
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Mesh-agnostic facial animation retargeting transfers expressions across meshes with different structures, but preserving facial motion without surface artifacts remains challenging. To address this, we present PDB, Point-Based Deformation Blending for facial animation retargeting. PDB predicts a compact set of deformed control points from a source neutral-expression pair and blending weights from the target neutral mesh. The weights are computed once per target and reused across frames, while the control points vary with each source expression. ReLU enforces non-negative weights and permits exact zeros, followed by row-wise normalization. The target mesh is reconstructed directly by multiplying the weights and control points, without a predefined cage, precomputed coordinates, a learned per-element deformation decoder, or a global reconstruction solve. Trained only with self-retargeting reconstruction supervision, PDB supports cross-identity transfer without paired cross-identity training expressions. Experiments demonstrate accurate retargeting, fast inference, and localized support in the learned weights. Joint evaluation of expression accuracy and local surface preservation shows reduced surface artifacts relative to the evaluated dense displacement method while retaining the intended motion. Perceptual evaluations further support expression fidelity and visual quality in both self- and cross-retargeting.
Abstract（参考訳）: メッシュに依存しない顔アニメーションは、異なる構造を持つメッシュにまたがる表現を再ターゲティングするが、顔の動きを表面の人工物なしで保存することは依然として困難である。これを解決するために,顔アニメーション再ターゲティングのためのPDB,Point-based deformation Blendingを提案する。 PDBは、ソース中性表現対から変形した制御点のコンパクトなセットを予測し、ターゲット中性メッシュから重みを混合する。重みはターゲット毎に1回計算され、フレーム間で再利用される。 ReLUは非負の重みを強制し、厳密な零点を許容し、次に行ワイド正規化を行う。目標メッシュは、予め定義されたケージ、事前計算された座標、学習された要素ごとの変形デコーダ、あるいは大域的な再構成解決なしに、重みと制御点を乗算して直接再構成される。 PDBは自己再ターゲティング再構築の監督のみで訓練され、ペアのクロスアイデンティティトレーニング表現なしで、クロスアイデンティティ転送をサポートする。実験では、学習重量における正確な再ターゲティング、高速推論、局所的なサポートが示される。予測精度と局所表面保存の併用評価は, 目的運動を維持しつつ, 評価された高密度変位法に対する表面成果物の減少を示す。知覚的評価は、自己とクロスリターゲティングの両方において、表現の忠実さと視覚的品質をさらに支援する。

関連論文リスト

SimFuse3D: Source-Guided Target Simulation and Confidence-Guided Multi-Stage Localization Reweighting for Cross-Platform 3D Object Detection [14.526062661334437]
センサ高さと視点の変化は、オブジェクトレベルの点分布を変化させ、クロスプラットフォームのLiDAR非教師なし領域適応を困難にする。そこで,SimFuse3Dを導入し,ラベル付きソーススキャンから計測した幾何を用いて,対象の配置を保存し,関連する擬似オブジェクトを修復する。
論文参考訳（メタデータ） (2026-09-04T08:41:56Z)
ViP-Rig: Visual-Prompted Controllable Rigging [66.07397903377584]
ViP-Rigは、プロンプトファーストリギングと結果誘導編集の両方をサポートするビジュアルプロンプトフレームワークである。その結果,ViP-Rigは形状条件のベースラインよりもターゲット骨格やスキンの重量をより正確に回収できることがわかった。
論文参考訳（メタデータ） (2026-07-30T10:26:37Z)
GARDEN: Gravity-Aligned Reconstruction of Disentangled ENvironments from RGB images [61.2170105836525]
本稿では,RGBのみのフレームワークを提案する。このフレームワークは,再構成を物理的に地上に配置したシーンファクタ化として再構成し,構造化されたハイブリッドシーン表現を出力する。結果として得られる表現は、明示的な剛体と分離された背景を組み合わせることで、視覚的リアリズムを維持しながら直接物理シミュレーションを可能にする。
論文参考訳（メタデータ） (2026-06-02T17:13:01Z)
Object-IR: Leveraging Object Consistency and Mesh Deformation for Self-Supervised Image Retargeting [18.51504816209345]
本稿では,学習型メッシュワープ最適化問題としてイメージを再構成する自己教師型アーキテクチャであるObject-IRを提案する。我々は、均一な剛性メッシュを目標アスペクト比で緩和し、畳み込みニューラルネットワークを用いて各メッシュグリッドの動きを予測し、変形メッシュを得る。このフレームワークは、コンシューマグレードのGPU上でのリアルタイムパフォーマンスを維持しながら、任意の入力解像度を効率的に処理する。
論文参考訳（メタデータ） (2025-10-31T06:57:10Z)
Neural Face Skinning for Mesh-agnostic Facial Expression Cloning [5.819784482811377]
本稿では,大域変形モデルと局所変形モデルの両方の強度を組み合わせた手法を提案する。当社のアプローチは,顔メッシュ間の直感的な制御と詳細な表現のクローニングを可能にする。各種メッシュ構造における表現忠実度, 変形伝達精度, 適応性の観点から, 最先端手法よりも優れた性能を示す。
論文参考訳（メタデータ） (2025-05-28T14:43:43Z)
PseudoNeg-MAE: Self-Supervised Point Cloud Learning using Conditional Pseudo-Negative Embeddings [55.55445978692678]
PseudoNeg-MAEは、ポイントクラウドマスマスキングオートエンコーダのグローバルな特徴表現を強化する。本研究では,ネットワークが識別的表現を保ちながら,よりリッチな変換キューをキャプチャできる新たな損失を提案する。
論文参考訳（メタデータ） (2024-09-24T07:57:21Z)
Weakly-supervised 3D Pose Transfer with Keypoints [57.66991032263699]
3Dポーズ転送の主な課題は、1) 異なる文字で同じポーズを行うペアトレーニングデータの欠如、2) ターゲットメッシュからポーズと形状情報を分離すること、3) 異なるトポロジを持つメッシュに適用することの難しさである。本稿では,これらの課題を克服するためのキーポイントベースのフレームワークを提案する。
論文参考訳（メタデータ） (2023-07-25T12:40:24Z)
SSP-Pose: Symmetry-Aware Shape Prior Deformation for Direct Category-Level Object Pose Estimation [77.88624073105768]
カテゴリーレベルのポーズ推定は、クラス内形状の変化によって難しい問題である。カテゴリレベルのポーズ推定のためのエンドツーエンドのトレーニング可能なネットワークSSP-Poseを提案する。 SSP-Poseは、リアルタイムの推論速度が約25Hzの競合に比べて性能が優れている。
論文参考訳（メタデータ） (2022-08-13T14:37:31Z)
Point Scene Understanding via Disentangled Instance Mesh Reconstruction [21.92736190195887]
本稿では,効率的なポイントシーン理解のために,aDisentangled Instance Mesh Reconstruction (DIMR) フレームワークを提案する。セグメント化ベースのバックボーンは、偽陽性オブジェクトの提案を減らすために適用される。メッシュを意識した潜在コード空間を活用して、シェイプコンプリートとメッシュ生成のプロセスを切り離します。
論文参考訳（メタデータ） (2022-03-31T06:36:07Z)
ACR Loss: Adaptive Coordinate-based Regression Loss for Face Alignment [2.538209532048867]
顔アライメントのためのCBRの精度を向上させるために,適応コーディネートベース回帰(ACR)損失を提案する。 ACRロスは、顔の各ランドマークポイントを予測する難易度に基づいて、その曲率と損失の影響を適応的に修正することができる。顔画像における顔のランドマーク点の予測におけるACRロスの有効性について検討した。
論文参考訳（メタデータ） (2022-03-29T18:08:46Z)

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。