論文の概要: Joint Rigid Alignment and Morphable Reconstruction from Partial 3D Face Scans
- arxiv url: http://arxiv.org/abs/2610.39161v1
- Date: Thu, 29 Oct 2026 01:47:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-03 07:39:00.936214
- Title: Joint Rigid Alignment and Morphable Reconstruction from Partial 3D Face Scans
- Title（参考訳）: 部分的3次元顔スキャンによる下顎関節アライメントと形態的再構成
- Abstract要約: 本研究では,一方の前方通過における剛性ポーズと形状完備点雲の両方を予測する単一ネットワークを提案する。
得られた定型テンプレートは、細粒度シンクホーンマッチングと剛性ポーズ推定のターゲットとして、同じ前方通過で使用される。
提案手法は,頂点毎の誤差とベースラインで最大3～4倍の精度で頭部を目に見える領域に崩壊させる。
- 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: Aligning a partial, real-world 3D face scan to a canonical representation requires solving two coupled problems at once: estimating the rigid pose that brings the scan into a common frame, and completing the facial shape in regions the scan never observed. Existing pipelines typically decouple these steps, running a generic point-cloud registration front end followed by a separate non-rigid fitting or deformation stage. Building on the GeoTransformer superpoint-matching architecture, we propose a single network that predicts both a rigid pose and a shape-complete point cloud in one forward pass: a cross-attention regressor, conditioned on transformer point features and predicted coarse correspondences, maps a partial scan to per-patch coefficients of a 3D morphable face model learned offline from a corpus of 8,000 identities. The resulting morphed template is then used, in the same forward pass, as the target for fine-grained Sinkhorn matching and rigid pose estimation, supervised purely by geometric alignment to ground-truth morphed geometry, so no hand-labeled coefficients are required. Against six classical and learned non-rigid registration baselines on held-out identities, our method leads the strongest ones by 3-4 times on per-vertex error and baselines that collapse the head onto the visible region by more than an order of magnitude, and is simultaneously the most accurate and fastest method on ground-truth-free scans from two independent real-scan datasets, NoW and NPHM. Code will be made publicly available.
- Abstract（参考訳）: 部分的な実世界の3D顔スキャンを正規表現に調整するには、2つの結合した問題を同時に解決する必要がある: スキャンを共通のフレームに導く剛性的なポーズを推定し、スキャンが観測されなかった領域で顔の形を完成させる。
既存のパイプラインは通常これらのステップを分離し、汎用的なポイントクラウド登録フロントエンドを実行し、その後に別の非剛性フィッティングまたは変形ステージを実行する。
そこで,GeoTransformer のスーパーポイントマッチングアーキテクチャを用いて,1つの前方通過路における剛性ポーズと形状完備点雲の両方を予測する単一ネットワークを提案する。トランスフォーマー点特徴と粗い対応を条件としたクロスアテンション回帰器で,8000の正体からオフラインで学習した3次元形態素顔モデルのパッチ係数に部分走査をマッピングする。
得られた定型テンプレートは、同じ前方通過でシンクホーンマッチングと剛性ポーズ推定のターゲットとして使用され、幾何的アライメントと接地構造形状によって純粋に監督されるため、手動ラベル係数は不要である。
従来の6つの非厳密な登録ベースラインに対して,本手法は頂点毎の誤差とベースラインにおいて最大3～4倍の精度で頭部を目に見える領域に分解し,同時に2つの独立した実スキャンデータセットであるNoWとNPHMから得られた地中真実のないスキャンにおいて,最も正確かつ高速な手法である。
コードは公開されます。
関連論文リスト
- GeoForward: Geometry-Guided Cross-View Alignment for Feedforward 3D Gaussian Splatting [11.512888199820368]
我々は3次元再構成のための新しいパラダイムである textbfGeometry-Conditioned Feedforward Reconstruction を提案する。
計量幾何学は、3D表現が形成される前に、クロスビュー対応を確立する。
GeoForwardは、比較手法の中で、最小のクロスカメラ深度一致誤差とチャンファー距離を達成している。
論文 参考訳（メタデータ） (2026-09-28T15:14:48Z) - Geometry-Preserving Blind Watermarking for Raw 3D Point Clouds [7.765990189057376]
ブラインド透かしフレームワークはxyz座標で動作し、オブジェクトレベルの形状とシーンスケールスキャンの両方をサポートする。
フィードフォワードオクツリーアーキテクチャを用いてウォーターマークの埋め込みと抽出を共同で学習する。
オブジェクトレベルおよびシーンレベルのベンチマーク実験は、一般的な幾何学的処理下での信頼性の高いメッセージ回復を示す。
論文 参考訳（メタデータ） (2026-09-26T04:32:14Z) - SCOPE: Scale-Consistent One-Pass Estimation of 3D Geometry [69.89196162649091]
SCOPE (Scale-Consistent One-Pass Estimation of 3D Geometry) は、拡張された単眼ビデオシーケンスから3次元幾何学を推定するための新しいアプローチである。
提案手法では,アフィン不変な3次元点マップを全列に共通パラメータで生成し,一貫したスケール不変表現を実現する。
論文 参考訳（メタデータ） (2026-06-19T10:23:25Z) - GeoHAT: Geometry-Adaptive Hybrid Action Transformer for Mobile Manipulation [6.488530751190965]
全体移動操作には移動基地とマニピュレータの調整が必要である。
我々は、シンプルな原理に基づいて構築された、エンドツーエンドの拡散ベースのフレームワークGeoHATを提案する。
ManiSkill-HABシミュレーションベンチマークの実験では、GeoHATが79.3%の成功率を達成した。
論文 参考訳（メタデータ） (2026-06-11T14:25:09Z) - SCAPO: Self-Supervised Category-Level Articulated Pose Estimation from a Single 3D Observation [54.98864436812187]
本稿では,1つのRGB-D観測から標準幾何,剛部分セグメンテーション,関節ピボット,軸,調音状態を推定する自己教師型フレームワークを提案する。
合成および実調音オブジェクトデータセットの実験により、SCAPOは、一貫した部分構造と正確な調音パラメータを復元し、全ての自監督ベースラインを上回ります。
論文 参考訳（メタデータ） (2026-06-01T09:04:49Z) - TriSplat: Simulation-Ready Feed-Forward 3D Scene Reconstruction [65.03268438396556]
TriSplatは、向き付けられた三角形のプリミティブを持つシーンを表すフィードフォワード再構築ネットワークである。
シミュレーション可能なメッシュシーンを1つのフォワードパスからエクスポートする。
RealEstate10K と DL3DV の実験により、この表現はガウスのフィードフォワードベースラインよりも幾何に忠実な再構成を生成することが示された。
論文 参考訳（メタデータ） (2026-05-25T17:59:53Z) - Learning 3D Representations for Spatial Intelligence from Unposed Multi-View Images [81.94999489820974]
UniSplat (UniSplat) は、未提示のマルチビュー画像から3D表現を学習するためのフィードフォワードフレームワークである。
エンコーダにおける幾何誘導を強化するデュアルマスキング戦略を導入する。
第2に,外見のセマンティックな矛盾を解消する粗大なガウス的スプレイティング戦略を開発する。
第3に、予測された3次元点と意味マップを画像平面に相互に関連付ける、ポーズ条件の補正機構を導入する。
論文 参考訳（メタデータ） (2026-04-12T10:36:18Z) - An Integer Linear Programming Approach to Geometrically Consistent Partial-Partial Shape Matching [69.56116761337786]
部分部分的な形状マッチングの課題に対処するために特別に設計された最初の整数線形プログラミング手法を導入する。
提案手法は, 一致誤差と滑らかさの両面から, 高品質なマッチング結果を実現する。
論文 参考訳（メタデータ） (2026-02-06T10:34:52Z) - IGFuse: Interactive 3D Gaussian Scene Reconstruction via Multi-Scans Fusion [15.837932667195037]
IGFuseは対話型ガウスシーンを複数のスキャンから観測することで再構成する新しいフレームワークである。
本手法は,ガウス場を意識したセグメンテーションを構築し,スキャン間の双方向光度・セマンティック一貫性を実現する。
IGFuseは、密度の高い観測や複雑なパイプラインを使わずに、高忠実なレンダリングとオブジェクトレベルのシーン操作を可能にする。
論文 参考訳（メタデータ） (2025-08-18T17:59:47Z) - Deformation-Guided Unsupervised Non-Rigid Shape Matching [7.327850781641328]
非厳密な形状マッチングのための教師なしデータ駆動方式を提案する。
本手法は,3次元スキャナを用いたディジタル形状のマッチングにおいて特に堅牢である。
論文 参考訳（メタデータ） (2023-11-27T09:55:55Z) - Weakly-supervised 3D Shape Completion in the Wild [91.04095516680438]
非整合および実世界の部分点雲から3次元完全形状を学習する問題に対処する。
複数の部分的な観察から3次元標準形状と6-DoFのアライメントを推定する弱い教師付き手法を提案する。
合成データと実データの両方の実験では、形状やポーズを伴わずに大規模なデータを通じて3次元形状の完成を学習することは可能であり、有望であることが示された。
論文 参考訳（メタデータ） (2020-08-20T17:53:42Z)
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。