論文の概要: FlowAvatar: Real-Time Full-Body Avatars from Sparse Egocentric Inputs on Consumer XR Devices

• arxiv url: http://arxiv.org/abs/2610.16277v1
• Date: Mon, 12 Oct 2026 06:59:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 06:44:38.360448
• Title: FlowAvatar: Real-Time Full-Body Avatars from Sparse Egocentric Inputs on Consumer XR Devices
• Title（参考訳）: FlowAvatar: コンシューマXRデバイスにおけるスパースエゴセントリック入力からのリアルタイムフルボディアバター
• Abstract要約: FlowAvatarは、フルボディポーズ、手関節、表情、視線追跡を備えたリアルタイムのパーソナライズされたアバターを可能にするシステムである。 提案手法は,AMASSベンチマークにおける先行作業に対する競合的空間精度と最先端の時間的一貫性を実現する。
• 参考スコア（独自算出の注目度）: 7.801115086796073
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prior avatar embodiment research has studied tracking completeness (how faithfully the body, hands, and face are sensed and reproduced) and personalized appearance in isolation, each requiring specialized lab equipment. How these factors interact on consumer hardware remains an open question, because no existing system unifies body pose, face, hands, and personalized appearance on a standalone headset. We present FlowAvatar, a system enabling real-time personalized look-alike avatars with full-body pose, hand articulation, facial expression, and eye gaze tracking from sparse egocentric inputs on consumer XR devices (Meta Quest Pro). Our pose model achieves competitive spatial accuracy and state-of-the-art temporal consistency on the AMASS benchmark against prior works with comprehensive spatial and temporal losses validated through architecture and loss ablations, while running in real-time. Two user studies (N=12, N=10) provide converging evidence that tracking completeness and personalized appearance serve complementary roles: tracking completeness broadly improves perceived motion quality, while only their combination achieves positive total embodiment.
• Abstract（参考訳）: 以前のアバターの実施研究は、完全性(身体、手、顔がいかに忠実に認識され、再現されるか)の追跡と、個別の外観でそれぞれ特別な実験装置を必要とする個別の外観について研究してきた。 既存のシステムは、ボディポーズ、顔、手、パーソナライズされた外観をスタンドアロンのヘッドセットで統一するものではない。 コンシューマXRデバイス(Meta Quest Pro)上の疎遠なエゴセントリックな入力から、フルボディのポーズ、手話、表情、視線追跡が可能なリアルタイムパーソナライズされたアバターであるFlowAvatarを提案する。 提案手法は,AMASSベンチマークの空間的精度と時間的整合性を,アーキテクチャやロスアブレーションによって検証された包括的空間的・時間的損失に対してリアルタイムに評価する。 2つのユーザー研究 (N=12, N=10) は、トラッキング完全性とパーソナライズされた外観が相補的な役割を果たすという確証を与える。

関連論文リスト

• EgoExplorer: A Vision-Motion-Touch Observatory for Human Loco-Manipulation In Situ [67.89251850608498]
  EgoExplorerは、ウェアラブルシステムで構築された人間のロボ操作の100時間の視覚モーションタッチ観測所である。 プロの活動に重点を置いて、その連続的な録音は、エゴセントリックなビデオと、再構築された全身の動きとを一致させる。 我々は,このカバーをスパースボディセンシングで実現するために,Calibrate-Complete-Constrainパイプラインを開発した。
  論文  参考訳（メタデータ） (2026-10-13T17:59:55Z)
• EgoRelight: Egocentric Human Capture and Illumination Recovery for Relightable and Photoreal Avatar Rendering [63.753771328356834]
  EgoRelightは、エゴセントリックなテレプレゼンスのための総合的なフレームワークである。 同時に全身の人間のパフォーマンスを捉え、幾何学と楽しい外観を合成する。 遠隔のユーザが物理的環境に応じて一貫した信頼を得られるソーシャルテレプレゼンスアプリケーションを通じて,我々のシステムを実証する。
  論文  参考訳（メタデータ） (2026-05-27T12:38:10Z)
• EgoPoser: Robust Real-Time Egocentric Pose Estimation from Sparse and Intermittent Observations Everywhere [29.795731025552957]
  EgoPoserは、ヘッドセットの視野内でのみ、間欠的な手の位置と方向追跡から体ポーズを頑健にモデル化する。 本研究では,グローバルな位置から独立して全身のポーズを予測する新しいグローバルな動き分解手法を提案する。 本研究では,本手法を実験的に評価し,定性的に,定量的に,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） (2023-08-12T07:46:50Z)
• QuestSim: Human Motion Tracking from Sparse Sensors with Simulated Avatars [80.05743236282564]
  人間の身体の動きのリアルタイム追跡は、AR/VRにおける没入感のある体験に不可欠である。 本稿では,HMDと2つのコントローラから疎信号を取り出す強化学習フレームワークを提案する。 一つのポリシーは、多様な移動スタイル、異なる体の大きさ、新しい環境に対して堅牢であることを示す。
  論文  参考訳（メタデータ） (2022-09-20T00:25:54Z)
• AvatarPoser: Articulated Full-Body Pose Tracking from Sparse Motion Sensing [24.053096294334694]
  AvatarPoserは、ユーザの頭と手の動きのみを入力として、世界座標におけるフルボディポーズを予測する最初の学習ベースの方法である。 提案手法はTransformerエンコーダ上に構築され,入力信号から深い特徴を抽出し,学習した局所的な関節方向からグローバルな動きを分離する。 我々の評価では、AvatarPoserは大規模なモーションキャプチャーデータセットの評価において、新しい最先端の結果を得た。
  論文  参考訳（メタデータ） (2022-07-27T20:52:39Z)
• Imposing Temporal Consistency on Deep Monocular Body Shape and Pose Estimation [67.23327074124855]
  本稿では,適合過程における時間的制約の統合に対するエレガントな解法を提案する。 我々は、顎ポーズ、表情、指ポーズを含む人物の形状と動きを表す一連の身体モデルのパラメーターを導出する。 本手法は,表情や手話を含む画像系列からリアルな3次元体モデルの導出を可能にする。
  論文  参考訳（メタデータ） (2022-02-07T11:11:55Z)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)

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。