論文の概要: Stable Signer V3: 4D Deformable Primitive Splatting Is All You Need for Sign Language Production

• arxiv url: http://arxiv.org/abs/2610.24926v1
• Date: Sun, 18 Oct 2026 00:28:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.277845
• Title: Stable Signer V3: 4D Deformable Primitive Splatting Is All You Need for Sign Language Production
• Title（参考訳）: 安定型シグナーV3:4Dデフォルマブルプリミティブスプラッティングは手話生産に必要なもの
• Abstract要約: スタブルシグナーV3は、4D Deformable Primitive Splatting上に構築された対話型高解像度手話アバターシステムである。 既存のアバターの3つの制限に対処する: 表情の制限、不正確なアイデンティティ固有の身体変形、細かい外観の詳細の喪失。
• 参考スコア（独自算出の注目度）: 31.05070510174173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Stable Signer V3, an interactive high-resolution sign language avatar system built on 4D Deformable Primitive Splatting. It addresses three limitations of existing avatars: restricted facial expression, inaccurate identity-specific body deformation, and loss of fine appearance details. Shared Face Primitive Splatting adds transferable superquadric primitives for richer expression control; Test-Time Body Primitive Splatting learns an identity-specific virtual muscle layer for more faithful motion; and Test-Time Tunneling Super-Resolution uses TunnelingNet to recover identity-specific high-resolution details. Both test-time modules are optimized once per signer identity; inference then runs entirely from the stored identity parameters. Together, they reduce facial geometry error by 71.4%, body-boundary error by 35.1% across ten identities, and high-resolution RGB reconstruction error by 24.2% on held-out evaluations, while retaining interactive streaming.
• Abstract（参考訳）: 本稿では,4Dデフォルマブルプリミティブスプラッティング上に構築された対話型高分解能手話アバターシステムであるStable Signer V3を提案する。 既存のアバターの3つの制限に対処する: 表情の制限、不正確なアイデンティティ固有の身体変形、細かい外観の詳細の喪失。 Shared Face Primitive Splattingには、よりリッチな表現制御のための転送可能なスーパークアッドリックプリミティブが追加され、Test-Time Body Primitive Splattingはより忠実な動作のためのアイデンティティ固有の仮想筋肉層を学習し、Test-Time Tunneling Super-ResolutionはTunningNetを使用して、アイデンティティ固有の高解像度の詳細を復元する。 どちらのテスト時モジュールもシグナID毎に一度最適化され、推論は格納されたIDパラメータから完全に実行される。 顔形状の誤差は71.4%、体の境界誤差は10個のアイデンティティで35.1%、高解像度のRGB再構成誤差は24.2%減少し、対話的なストリーミングを維持している。

関連論文リスト

• Advancing Narrative Long Video Generation via Training-Free Identity-Aware Memory [79.01059178883817]
  IAMFlowはトレーニング不要のID対応メモリフレームワークで、永続的なエンティティのIDを明示的にモデル化し追跡する。 VLMは、レンダリングフレームから属性を非同期に検証し、洗練し、暗黙の類似性ベースのマッチングの代わりに明示的なエンティティ追跡を可能にする。 NarraStream-Benchは,6次元にまたがる324のマルチプロンプトスクリプトを備えた,ナラストリームビデオ生成のためのベンチマークである。
  論文  参考訳（メタデータ） (2026-05-18T17:54:34Z)
• Identity-Decoupled Anonymization for Visual Evidence in Multi-modal Retrieval-Augmented Generation [9.39195684989942]
  Identity-Decoupled MRAGは、生成匿名化モジュールを検索と生成の間に介在するフレームワークである。 提案手法は,各面を識別符号と空間的に構造化された属性コードに分解し,相互情報的ペナルティと勾配に基づく独立項で正規化する不整形変分エンコーダ,識別符号を元のものと現実とを区別することが保証された合成物に置換する多様体認識拒絶サンプリング器,および (iii)匿名化顔と置換IDとを合成する条件付き潜時拡散発生器からなる。
  論文  参考訳（メタデータ） (2026-04-26T07:42:33Z)
• AnyCrowd: Instance-Isolated Identity-Pose Binding for Arbitrary Multi-Character Animation [55.94507360511886]
  我々は,任意の文字にスケール可能なトランスフォーマーベースのビデオ生成フレームワークであるAnyCrowdを提案する。 具体的には、まず、DiT処理に先立って文字インスタンスを独立してエンコードするIILR(Instance-Isolated Latent Representation)を導入し、遅延IDの絡み込みを防止する。 この不整合表現に基づいて、さらに、(i)インスタンス認識フォアグラウンドアテンション、(ii)背景中心の相互作用、(iii)世界背景調整に自己注意を分解することで、運転ポーズにアイデンティティを結合するトリステージデカップリングアテンション(TSDA)を提案する。
  論文  参考訳（メタデータ） (2026-03-16T15:25:04Z)
• InpaintHuman: Reconstructing Occluded Humans with Multi-Scale UV Mapping and Identity-Preserving Diffusion Inpainting [64.42884719282323]
  InpaintHumanは、モノクロビデオから高忠実で完全でアニマタブルなアバターを生成する新しい方法である。 我々のアプローチは、アイデンティティの忠実性を保証するために、直接ピクセルレベルの監視を採用する。
  論文  参考訳（メタデータ） (2026-01-05T13:26:02Z)
• Personalized Face Super-Resolution with Identity Decoupling and Fitting [50.473357681579664]
  極端な劣化シナリオでは、重要な属性とID情報が入力画像で著しく失われることが多い。 既存の方法では、そのような条件下で幻覚顔を生成する傾向があり、真のID制約を欠いた復元画像を生成する。 本稿ではIDデカップリング・フィッティング(IDFSR)を用いた新しいFSR手法を提案する。
  論文  参考訳（メタデータ） (2025-08-13T02:33:11Z)
• 3D Face Modeling via Weakly-supervised Disentanglement Network joint Identity-consistency Prior [62.80458034704989]
  切り離された制御因子を特徴とする3次元顔モデルの生成は、コンピュータビジョンやコンピュータグラフィックスの多様な応用において大きな可能性を秘めている。 従来の3D顔モデリング手法は、これらの要因を効果的に解消するために特定のラベルを要求するため、課題に直面している。 本稿では,WSDF(Wakly Supervised Disentanglement Framework)を導入し,過度に拘束的なラベル付けを必要とせず,制御可能な3次元顔モデルのトレーニングを容易にする。
  論文  参考訳（メタデータ） (2024-04-25T11:50:47Z)
• StableIdentity: Inserting Anybody into Anywhere at First Sight [57.99693188913382]
  一つの顔画像で同一性に一貫性のある再テクスチャ化を可能にするStableIdentityを提案する。 私たちは、1つの画像から学んだアイデンティティを直接、微調整なしでビデオ/3D生成に注入する最初の人です。
  論文  参考訳（メタデータ） (2024-01-29T09:06:15Z)
• Reinforced Disentanglement for Face Swapping without Skip Connection [18.97633893837313]
  我々は、スキップ接続を取り除き、2つのターゲットエンコーダを使用する「WSCスワップ」と呼ばれる新しいフェイススワップフレームワークを導入する。 我々の結果は、アイデンティティの整合性を測定するための新しい指標を含む、リッチなメトリクスセットに関する以前の研究よりも大幅に優れています。
  論文  参考訳（メタデータ） (2023-07-16T02:44:19Z)

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。