論文の概要: Mesh-Agnostic Refinement Models for Latent Space Encoding of 3D Human Body Shapes

• arxiv url: http://arxiv.org/abs/2611.03285v1
• Date: Mon, 02 Nov 2026 15:26:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 05:18:58.45254
• Title: Mesh-Agnostic Refinement Models for Latent Space Encoding of 3D Human Body Shapes
• Title（参考訳）: 3次元人体形状の潜時空間符号化のためのメッシュ非依存化モデル
• Abstract要約: Skinned Multi-Person Linear (SMPL) モデルのようなパラメトリックな人体モデルは、人間の形とポーズのコンパクトな表現を提供する。 本稿では,初期復号化面とターゲットメッシュとの幾何学的差を利用した再構成手法を提案する。
• 参考スコア（独自算出の注目度）: 8.196000596327645
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Parametric human body models such as the Skinned Multi-Person Linear (SMPL) model provide compact representations of human shape and pose, but their reconstructions remain affected by both errors in estimated latent parameters and limitations in the decoder's expressive capacity. We propose a framework for refining these reconstructions by exploiting the geometric discrepancy between an initial decoded surface and a target mesh, without requiring vertex correspondences between them. The framework comprises three complementary approaches. Latent-VaRefine uses varifold-distance gradients to correct the estimated latent code while preserving the original parametric representation. Vertex-VaRefine processes multiscale varifold-gradient features with a DiffusionNet backbone to predict vertex displacements in a canonical pose, yielding an approximately pose-equivariant refinement pipeline. ElaOpt directly optimizes surface deformations under elastic regularization and normal-direction constraints.
• Abstract（参考訳）: Skinned Multi-Person Linear (SMPL) モデルのようなパラメトリックな人体モデルは、人間の形状とポーズのコンパクトな表現を提供するが、その再構成は、推定潜在パラメータの誤差とデコーダの表現能力の制限の両方の影響を受け続けている。 本稿では,初期復号化面とターゲットメッシュとの幾何学的相違を利用して,それらの間の頂点対応を必要とせず,これらの再構成を洗練するためのフレームワークを提案する。 フレームワークは3つの補完的なアプローチから構成される。 Latent-VaRefineは、元のパラメトリック表現を保持しながら、推定潜在コードの修正に可変距離勾配を使用する。 Vertex-VaRefine は DiffusionNet のバックボーンで多スケールの可変勾配特性を処理し、標準ポーズにおける頂点変位を予測する。 ElaOptは弾性正規化および正規方向制約の下での表面変形を直接最適化する。

関連論文リスト

• Mesh2Shell Neural Operator for Inverse Shape Optimization [67.80506116099305]
  本稿では,メッシュ・ツー・シェル・ニューラル・オペレーター(M2S-NO)をカテゴリに依存しない逆形状最適化フレームワークのメッシュ・ツー・シェルコンポーネントとして紹介する。 M2S-NOは、向き付けられた表面サンプルをTruncatedSDFやHeatSDFのような表面中心のシェル表現にマッピングする。 我々は、FEMとOpenMCを独立に評価し、幾何マッチング、ジェットエンジンブラケット、中性子モデレーターの評価を行った。
  論文  参考訳（メタデータ） (2026-11-01T19:01:25Z)
• DiffGI: Differentiable Geometry Images for High-Fidelity Thin-Shell 3D Generation [1.0479639406219858]
  曲面表現と幾何学的最適化をシームレスに統合する3D-to-2DマッピングフレームワークであるDiffGIを提案する。 提案手法は,従来の幾何学画像やボクセルに基づく手法と比較して,再現精度と境界精度に優れる。
  論文  参考訳（メタデータ） (2026-07-15T01:00:01Z)
• Representational Capacity: Geometric Limits on Feature Representation in Transformer Language Models [51.56484100374058]
  モデルがサポートできるほぼ直交方向数を推定するためのフレームワークを開発する。 このメトリックを数十のオープンソースモデルに適用すると、高い$varepsilon$を持つモデルと、それを維持する$varepsilon$の低いモデルという2つのクラスが明らかになる。
  論文  参考訳（メタデータ） (2026-06-01T18:28:56Z)
• Topo-GS: Continuous Volumetric Embedding of High-Dimensional Data via Topological Gaussian Splatting [4.621191941382847]
  Topo-GS は 3D Gaussian Splatting (3DGS) を再利用し、メッシュレスボリューム再構成プロセスとして多次元投影を行うフレームワークである。 Topo-GSは離散散乱プロットを連続体積表現に変換することに成功した。
  論文  参考訳（メタデータ） (2026-05-16T14:21:08Z)
• Non-Rigid Structure-from-Motion via Differential Geometry with Recoverable Conformal Scale [17.935227965480475]
  共形変形下でのNRSfMに対するCon-NRSfMという新しい手法を提案する。 提案手法は,グラフベースのフレームワークにより最適化された2次元画像ワープを用いて,ポイントワイズ再構成を行う。 我々のフレームワークは、他のアプローチでは分離できない深さと等角スケールの制約を分離する。
  論文  参考訳（メタデータ） (2025-10-02T04:46:46Z)
• Adaptive Point-Prompt Tuning: Fine-Tuning Heterogeneous Foundation Models for 3D Point Cloud Analysis [51.37795317716487]
  本稿では,パラメータの少ない事前学習モデルを微調整するAdaptive Point-Prompt Tuning (APPT)法を提案する。 局所幾何学を集約することで原点雲を点埋め込みに変換し、空間的特徴を捉える。 任意のモダリティのソース領域から3Dへの自己アテンションを校正するために,重みを点埋め込みモジュールと共有するプロンプトジェネレータを導入する。
  論文  参考訳（メタデータ） (2025-08-30T06:02:21Z)
• A 3DGS-Diffusion Self-Supervised Framework for Normal Estimation from a Single Image [5.588610465556571]
  空間次元情報の欠如は、単一画像からの正規推定において依然として課題である。 近年の拡散法は2次元から3次元の暗黙マッピングにおいて有意なポテンシャルを示した。 本稿では,SINGADを提案する。SINGADは,単一画像から正規推定のための新しい自己教師型フレームワークである。
  論文  参考訳（メタデータ） (2025-08-08T02:32:33Z)
• PLIKS: A Pseudo-Linear Inverse Kinematic Solver for 3D Human Body Estimation [10.50175010474078]
  1枚の2次元画像から人体の3次元メッシュを再構築するためのPLIKSを提案する。 PLIKSはパラメトリックSMPLモデルの線形化された定式化に基づいている。 PLIKSは10%以上の精度で再現可能であることを確認した。
  論文  参考訳（メタデータ） (2022-11-21T18:54:12Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• 3D Human Pose and Shape Regression with Pyramidal Mesh Alignment Feedback Loop [128.07841893637337]
  回帰に基づく手法は最近、単眼画像からヒトのメッシュを再構成する有望な結果を示した。 パラメータの小さな偏差は、推定メッシュと画像のエビデンスの間に顕著な不一致を引き起こす可能性がある。 本稿では,特徴ピラミッドを活用し,予測パラメータを補正するために,ピラミッドメッシュアライメントフィードバック(pymaf)ループを提案する。
  論文  参考訳（メタデータ） (2021-03-30T17:07:49Z)
• PaMIR: Parametric Model-Conditioned Implicit Representation for Image-based Human Reconstruction [67.08350202974434]
  本研究では,パラメトリックボディモデルと自由形深部暗黙関数を組み合わせたパラメトリックモデル記述型暗黙表現(PaMIR)を提案する。 本手法は, 挑戦的なポーズや衣料品のタイプにおいて, 画像に基づく3次元再構築のための最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-07-08T02:26:19Z)

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。