論文の概要: Blendshape Generation for Models with Disconnected Parts: Adding ARKit/MediaPipe Blendshapes to Anime-Style Character Models
- arxiv url: http://arxiv.org/abs/2610.35076v1
- Date: Mon, 26 Oct 2026 09:20:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.809657
- Title: Blendshape Generation for Models with Disconnected Parts: Adding ARKit/MediaPipe Blendshapes to Anime-Style Character Models
- Title（参考訳）: 非連結部品モデルのためのブレンド形状生成:アニメスタイルキャラクタモデルにARKit/MediaPipe Blendshapesを付加する
- Abstract要約: 本稿では,最大11個の顔部を有する商用アニメスタイルの3Dキャラクタモデルに対して,ブレンドシャッピーを生成するケーススタディを提案する。
我々は,各部分を独立に処理するために少なくとも1つのネットワークを使用し,各ネットワークがアンカー部の幾何学も処理することで,出力の相対的な位置を調整する。
提案手法は,最近のニューラル・ネットワーク・ベースの作業よりもシンプルであり,これらのモデルのユーザ・コミュニティの真の問題を解決している。
- 参考スコア（独自算出の注目度）: 1.74048653626208
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Blendshape generation for 3D models has been extensively researched, but very few works address generating blendshapes for models with multiple disconnected parts. We present a case study of generating fixed facial expression blendshapes for commercial anime-style 3D character models with up to 11 parts per face. To make sure that our system can handle models in a way that is agnostic to topology, we train neural networks to generate deformation fields around the input meshes. We employ at least one network to independently process each part, and the relative positions of their outputs are coordinated by having each network also process the geometry of an anchor part. We use two mechanisms to improve accuracy: having the networks predict whether the output displacement is zero or not, and classifying blendshapes into different size groups and dedicating a network to each group. We also introduce a method to improve blendshape quality by enhancing bilateral symmetry. Our method is simpler than recent neural-network-based works and solves a real problem of the user community of these models.
- Abstract（参考訳）: 3次元モデルのブレンドシェープ生成は広範囲に研究されているが、複数の切断部品を持つモデルのブレンドシャッピーの生成に対処する研究はほとんどない。
本稿では,最大11個の顔部を有する商用アニメスタイルの3Dキャラクタモデルに対して,固定的な表情ブレンドサップを生成するケーススタディを提案する。
トポロジに非依存な方法でモデルを扱えるようにするために、ニューラルネットワークをトレーニングし、入力メッシュ周辺の変形場を生成する。
我々は,各部分を独立に処理するために少なくとも1つのネットワークを使用し,各ネットワークがアンカー部の幾何学も処理することで,出力の相対的な位置を調整する。
出力変位がゼロかどうかをネットワークに予測させ,混在群を異なるサイズグループに分類し,各グループにネットワークを割り当てる。
また,両面対称性の強化によるブレンドシェープ品質の向上手法も導入した。
提案手法は,最近のニューラル・ネットワーク・ベースの作業よりもシンプルであり,これらのモデルのユーザ・コミュニティの真の問題を解決している。
関連論文リスト
- Neural Metamorphosis [72.88137795439407]
本稿では,ニューラル・メタモルファス(NeuMeta)と呼ばれる,自己変形可能なニューラルネットワークの構築を目的とした新たな学習パラダイムを提案する。
NeuMetaはニューラルネットワークの連続重み多様体を直接学習する。
75%の圧縮速度でもフルサイズの性能を維持する。
論文 参考訳（メタデータ） (2024-10-10T14:49:58Z) - Towards Realistic Example-based Modeling via 3D Gaussian Stitching [31.710954782769377]
サンプル誘導合成を用いた点ベース表現における複数のガウス場を組み合わせた例に基づくモデリング手法を提案する。
具体的には、構成について、複数のフィールドをリアルタイムでセグメント化し変換するGUIを作成し、意味論的に意味のあるモデルの合成を容易に得る。
テクスチャブレンディングでは、3DGSの離散的および不規則な性質のため、SeamlssNeRFがサポートされないため、直接勾配伝播を適用する。
論文 参考訳（メタデータ） (2024-08-28T11:13:27Z) - Pixel2Mesh++: 3D Mesh Generation and Refinement from Multi-View Images [82.32776379815712]
カメラポーズの有無にかかわらず、少数のカラー画像から3次元メッシュ表現における形状生成の問題について検討する。
我々は,グラフ畳み込みネットワークを用いたクロスビュー情報を活用することにより,形状品質をさらに向上する。
我々のモデルは初期メッシュの品質とカメラポーズの誤差に頑健であり、テスト時間最適化のための微分関数と組み合わせることができる。
論文 参考訳（メタデータ） (2022-04-21T03:42:31Z) - Generating Band-Limited Adversarial Surfaces Using Neural Networks [0.9208007322096533]
逆の例は、分類ニューラルネットワークの入力信号に追加されるノイズを生成する技術である。
この技術的レポートでは、攻撃を発生させるニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-11-14T19:16:05Z) - Clustering of the Blendshape Facial Model [0.0]
デジタル人間のアニメーションは、人間の顔の高品質な3Dモデルに依存している。
本稿では,逆リグパラメータを精度の向上と計算コストの削減で学習するための新しい手法を提案する。
論文 参考訳（メタデータ） (2021-10-05T07:39:52Z) - NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One
Go [109.88509362837475]
入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。
NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。
異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
論文 参考訳（メタデータ） (2021-06-17T12:25:44Z) - Learning Skeletal Articulations with Neural Blend Shapes [57.879030623284216]
あらかじめ定義された骨格構造を有するエンベロープを用いて3次元文字を表現できるニューラルテクニックを開発している。
我々のフレームワークは、同じ調音構造を持つリグとスキンキャラクタを学習する。
関節領域の変形品質を向上させるニューラルブレンディング形状を提案します。
論文 参考訳（メタデータ） (2021-05-06T05:58:13Z) - Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。
提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。
メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
論文 参考訳（メタデータ） (2020-10-23T14:49:02Z) - Neural Subdivision [58.97214948753937]
本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。
すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。
単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
論文 参考訳（メタデータ） (2020-05-04T20:03:21Z)
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。