論文の概要: Fresco++: Frequency-Guided and Canonical-Consistent Optimization for Fine-Grained Head Avatar Modeling

• arxiv url: http://arxiv.org/abs/2610.11412v1
• Date: Thu, 08 Oct 2026 07:43:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.86854
• Title: Fresco++: Frequency-Guided and Canonical-Consistent Optimization for Fine-Grained Head Avatar Modeling
• Title（参考訳）: Fresco++:ファイングラインドヘッドアバターモデリングのための周波数誘導およびカノニカル一貫性最適化
• Abstract要約: Fresco++はビュー一貫性のあるヘッドアバター再構築のための最適化フレームワークである。 視覚的詳細の進行と横断的な監督の形成を規制している。 NeRSembleの実験では、再構築品質とクロスビュー整合性が改善された。
• 参考スコア（独自算出の注目度）: 50.10122849806579
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose Fresco++, a unified optimization framework for fine-grained and view-consistent head avatar reconstruction. Head avatar optimization is typically driven by per-view image supervision, which can lead to premature fitting of unstable high-frequency details and inconsistent local appearance across viewpoints. Fresco++ addresses these challenges by regulating both the progression of visual detail and the formation of cross-view supervision during optimization. For frequency-aware optimization, a progressive curriculum first stabilizes low-frequency structures and then introduces high-frequency constraints to recover fine facial and hair details without amplifying spurious responses at early stages. For cross-view optimization, we introduce Canonical Group Consensus, which associates local observations through shared canonical surface regions and establishes correspondence across different viewpoints. Geometric and visibility-aware screening removes unreliable observations, while the remaining multi-view evidence is aggregated in feature space to form a consensus target for supervising the current rendering. This design enforces local consistency without relying on a specific image-space parameterization and avoids additional rendering of the auxiliary view. Together, the frequency curriculum and canonical consensus provide stable optimization from coarse structures to fine details while maintaining coherent appearance across viewpoints. Extensive experiments on NeRSemble demonstrate improved reconstruction quality and cross-view consistency, while evaluations across diverse avatar representations further confirm the generality and transferability of Fresco++.
• Abstract（参考訳）: 本稿ではFresco++を提案する。Fresco++は、細粒度でビューに一貫性のある頭部アバター再構成のための統一最適化フレームワークである。 ヘッドアバターの最適化は一般的にビュー毎の画像監視によって駆動され、不安定な高周波の詳細と視点間の不整合な局所的な外観を早めに調整する。 Fresco++は、ビジュアルディテールの進行と最適化中のクロスビュー監視の形成の両方を規制することによって、これらの課題に対処する。 周波数認識の最適化のために、プログレッシブカリキュラムはまず低周波構造を安定化させ、その後、早い段階で急激な応答を増幅することなく、きめ細かな顔と毛細部を回復するための高周波制約を導入する。 クロスビュー最適化のために,共有正準曲面領域を通して局所的な観測を関連付け,異なる視点で対応を確立するCanonical Group Consensusを導入する。 幾何学的、可視的スクリーニングは信頼性の低い観察を排除し、残りの多視点の証拠は特徴空間に集約され、現在のレンダリングを監督するためのコンセンサスターゲットを形成する。 この設計は、特定の画像空間のパラメータ化に頼ることなく局所的な一貫性を強制し、補助的なビューの追加レンダリングを避ける。 周波数カリキュラムと標準コンセンサスを組み合わせることで、粗い構造から細部まで安定に最適化でき、視点をまたいだコヒーレントな外観を維持することができる。 NeRSembleの大規模な実験では、再構築品質とクロスビューの一貫性が向上し、さまざまなアバター表現による評価により、Fresco++の汎用性と転送性はさらに向上した。

関連論文リスト

• AVSplat: Dense-View Feed-Forward 3D Gaussian Splatting with Assist-View Preconditioning [78.53780077475876]
  AVSplatは、アグリゲーションと表現の両方のための信頼性の高い信号に付加的なビューを変換するフレームワークである。 表現には適応型温度認識型ボクセル融合を用い,高い占有率下での寄与を鋭くする。 AVSplatは、パフォーマンスが安定している、あるいはより多くのインプットビューが追加されるにつれて改善される、ポジティブなビュースケーリングを復元する。
  論文  参考訳（メタデータ） (2026-09-05T06:33:04Z)
• Rubrics as Visual-Repair Context for Self-Evolving UI-to-Code Generation [147.1183324267404]
  ローカルコード編集は、レイアウト、スタイル、コンポーネントの依存関係を通じて伝搬し、以前は忠実だった領域を劣化させながら、1つの視覚的ミスマッチを修正する。 本稿では,視覚フィードバックを構造化された視覚再生コンテキストとして表現するために,ルーブリックを用いたルーブリック誘導フレームワークであるRubSEを紹介する。 RubSEは最終ラウンドおよび最高ラウンド設定での自己進化を著しく上回り、より安定した改良とより高い軌道レベルの性能天井を実現する。
  論文  参考訳（メタデータ） (2026-08-25T07:03:46Z)
• Geometry-Aware Scene Configurations for Novel View Synthesis [13.778862691255954]
  不完全な観測から室内環境の没入的な体験を効果的に生み出すためのシーン適応型手法を提案する。 推定された幾何学的足場に関する観測統計を記録し, 基地の最適配置を導出する。 大規模屋内シーンにおけるレンダリング品質とメモリ要件に関する総合的な分析と議論について述べる。
  論文  参考訳（メタデータ） (2025-10-10T21:36:11Z)
• CHROMA: Consistent Harmonization of Multi-View Appearance via Bilateral Grid Prediction [30.088316989385106]
  カメラパイプラインは、露光調整、ホワイトバランス、色補正など、デバイス上の広範な処理を適用する。 外観の変化は複数ビューの一貫性に反し、新しいビュー合成を劣化させる。 多視点一貫した方法で測光変動を補正するために、空間適応型二元格子を予測できる一般化可能なフィードフォワード手法を提案する。
  論文  参考訳（メタデータ） (2025-07-21T16:03:58Z)
• RichControl: Structure- and Appearance-Rich Training-Free Spatial Control for Text-to-Image Generation [10.956556608715035]
  テキスト・ツー・イメージ(T2I)拡散モデルでは,テキスト・プロンプトから高品質な画像を生成することに成功した。 本稿では, 条件特徴のサンプリングスケジュールをデノナイジングプロセスから切り離すフレキシブルなトレーニングフリーフレームワークを提案する。 再調整スケジュールを導入することでサンプリングプロセスをさらに強化し、外観に富んだプロンプト戦略で視覚的品質を向上させる。
  論文  参考訳（メタデータ） (2025-07-03T16:56:15Z)
• PVP-Recon: Progressive View Planning via Warping Consistency for Sparse-View Surface Reconstruction [49.7580491592023]
  PVP-Recon, 新規かつ効果的なスパースビュー表面再構成法を提案する。 PVP-Reconは3つのビューで初期表面の再構築を開始し、徐々に新しいビューを追加する。 このプログレッシブビュー計画の進捗は、神経SDFベースの再構築モジュールによってインターリーブされる。
  論文  参考訳（メタデータ） (2024-09-09T10:06:34Z)
• 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
  既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。 そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。 また,水平深度と比表現に適した教師なし適応手法を提案する。 本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-12-26T12:16:03Z)

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。