論文の概要: Dense4D: Pixel-Level 4D Human Correspondence

• arxiv url: http://arxiv.org/abs/2610.22325v1
• Date: Thu, 15 Oct 2026 17:52:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.262264
• Title: Dense4D: Pixel-Level 4D Human Correspondence
• Title（参考訳）: Dense4D:Pixel-Level 4D対応
• Abstract要約: Dense4Dは、体全体に密接な4D通信を指向した最初のフィードフォワードモデルである。 Dense4Dは、人中心の作物を既知のイメージ・トゥ・クロップ変換で処理し、ヒューマンポイントマップを予測する。
• 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: Reconstructing human motion in 4D requires identifying the same surface points through articulation, deformation and changes in visibility. We introduce Dense4D, to our knowledge the first feed-forward model dedicated to dense 4D correspondence across the body, clothing and hair from a set of monocular RGB images, without a body template. Trained specifically for human geometry, Dense4D jointly processes person-centred crops with known image-to-crop transforms to predict Human Point Maps (HPMs) and depth for each image. An HPM assigns each person pixel the 3D position of its observed surface point at a common reference time. These maps support amodal correspondence: points hidden in the reference image can be localised from observations in other frames. Matching HPM coordinates across crops establishes correspondence without predicting camera poses or large scene displacements; per-image depth then lifts the matches into 3D tracks. Experiments on real people demonstrate substantially higher tracking accuracy and closer agreement with scanned surfaces than the evaluated baselines. Points from different frames assemble into coherent human geometry in the reference pose, providing visible evidence of consistent dense correspondence through articulation and clothing deformation. Additional qualitative results, videos, and an interactive viewer are available at https://alpguler.com/dense4d.
• Abstract（参考訳）: 4Dで人間の動きを再構築するには、関節、変形、可視性の変化を通じて同じ表面点を特定する必要がある。 Dense4Dは、身体テンプレートを使わずに、単眼のRGB画像の集合から体、衣服、毛髪間の密集した4D対応に特化した最初のフィードフォワードモデルである。 人間の幾何学に特化して訓練されたDense4Dは、人中心の作物と既知のイメージ・トゥ・クロップ変換を共同で処理し、各画像の人点マップ(HPM)と深さを予測する。 HPMは、観察された表面点の3D位置を共通の基準時刻に各人物に割り当てる。 これらのマップはアモーダル対応をサポートしており、参照画像に隠された点は、他のフレームでの観測から局所化することができる。 作物間でのHPM座標のマッチングは、カメラのポーズや大きなシーンの変位を予測せずに対応を確立する。 実際の人に対する実験では、測定されたベースラインよりも追跡精度が著しく高く、スキャンされた表面との密接な一致が示される。 異なるフレームからのポイントは、基準ポーズでコヒーレントな人間の幾何学に集合し、調音と衣服の変形を通して一貫した密接な対応の証拠を提供する。 その他の質的な結果、ビデオ、インタラクティブなビューアはhttps://alpguler.com/dense4d.comで入手できる。

関連論文リスト

• IVGT: Implicit Visual Geometry Transformer for Neural Scene Representation [76.36174247570716]
  ポーズレス多視点画像から連続的かつ一貫性のある幾何を暗黙的にモデル化するインプリシトビジュアル幾何変換器IVGTを提案する。 IVGTは標準座標系で連続的なニューラルネットワークシーン表現を学習し、任意の3D位置での連続的な空間クエリをサポートする。 連続的かつコヒーレントな表面形状の直接抽出を可能にし、任意の視点からRGB画像、深度マップ、表面正規写像のレンダリングを可能にする。
  論文  参考訳（メタデータ） (2026-05-15T17:59:57Z)
• Syn4D: A Multiview Synthetic 4D Dataset [92.50132053229817]
  モノクロビデオからの動的シーンの3D再構成と追跡は、コンピュータビジョンにおいて重要な課題である。 この制限に対処するために、マルチビュー合成動的シーンであるSyn4Dを紹介する。 Syn4Dの主な特徴は、任意のピクセルを3Dに切り離すことである。
  論文  参考訳（メタデータ） (2026-05-06T17:59:55Z)
• Face Anything: 4D Face Reconstruction from Any Image Sequence [49.395407357499074]
  そこで本研究では,正準顔点予測に基づく高忠実度4次元顔再構成の統一手法を提案する。 深度と標準座標を共同で予測することにより,正確な深度推定,時間的に安定な再構築,密度の高い3次元形状,頑健な顔点追跡が可能となる。
  論文  参考訳（メタデータ） (2026-04-21T17:22:39Z)
• GRACE: Estimating Geometry-level 3D Human-Scene Contact from 2D Images [54.602947113980655]
  人景接触の幾何レベルを推定することは、特定の接触面点を3次元の人間ジオメトリに接することを目的としている。 GRACE(Geometry-level Reasoning for 3D Human-scene Contact Estimation)は,3次元接触推定のための新しいパラダイムである。 ポイントクラウドエンコーダ/デコーダアーキテクチャと階層的特徴抽出と融合モジュールが組み込まれている。
  論文  参考訳（メタデータ） (2025-05-10T09:25:46Z)
• Hi4D: 4D Instance Segmentation of Close Human Interaction [32.51930800738743]
  Hi4Dは、20の被験者ペア、100のシーケンス、合計11Kフレームからなる4Dテクスチャスキャンのデータセットである。 このデータセットには、2Dと3Dのリッチなインタラクション中心アノテーションと、正確に登録されたパラメトリックボディモデルが含まれている。
  論文  参考訳（メタデータ） (2023-03-27T16:53:09Z)
• LoRD: Local 4D Implicit Representation for High-Fidelity Dynamic Human Modeling [69.56581851211841]
  そこで我々は,LoRDという,動的に衣を着る人間の局所的な4D暗黙表現を提案する。 私たちの重要な洞察は、ネットワークがローカルな部分レベルの表現の潜在コードを学ぶように促すことです。 LoRDは、4D人間を表現する能力が強く、実用上の最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-08-18T03:49:44Z)

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。