論文の概要: VISAGE: Vertex-based Intrinsic Surface Appearance GEneration via Dual-Stream Diffusion for Arbitrary 3D Heads

• arxiv url: http://arxiv.org/abs/2611.04712v1
• Date: Tue, 03 Nov 2026 11:35:05 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:35:52.626975
• Title: VISAGE: Vertex-based Intrinsic Surface Appearance GEneration via Dual-Stream Diffusion for Arbitrary 3D Heads
• Title（参考訳）: VISAGE: 任意3次元頭部のデュアルストリーム拡散による頂点型内在表面外見ゲネレーション
• Abstract要約: 任意のメッシュトポロジに基づいて頂点ごとのアルベドと粗さを直接合成する,表面ベースの条件拡散フレームワークであるVISAGEを提案する。 マルチビューRGB画像は、可視性を考慮したクロスアテンションを介してネットワークを条件付けする。 意味的要求と異なる領域(目、口、皮膚、毛髪)を専門とする地域固有のモジュール 物理的に可塑性なアルベド,粗さ,および通常の地図を用いて生の幾何学的スキャンを充実させる,スケーラブルなプロシージャ拡張パイプラインを導入する。
• 参考スコア（独自算出の注目度）: 16.910333375604093
• License:
• Abstract: Recovering identity-faithful, physically based surface appearance for 3D human heads from sparse images remains challenging. Existing methods often rely on UV-based pipelines, introducing seam artefacts, or operate in image space, limiting surface consistency. We present VISAGE, Vertex-based Intrinsic Surface Appearance GEneration, a surface-based conditional diffusion framework that synthesises per-vertex albedo and roughness directly on arbitrary mesh topologies, without requiring consistent UV parameterisation at training time. VISAGE combines global spectral processing with local geodesic K-Nearest-Neighbour refinement, enforcing structural coherence while restoring detail beyond the truncated spectral basis. Multi-view RGB images condition the network via visibility-aware cross-attention, enabling occlusion-robust synthesis across the full head surface. Region-specific modules specialise in semantically demanding and distinct areas (eyes, mouth, skin and hair), while a tangent-space output projection recovers fine iris detail. We further introduce a scalable procedural augmentation pipeline that enriches raw geometry scans with physically plausible albedo, roughness and normal maps for training. The predicted attributes render directly as a single RGBA vertex-colour channel. VISAGE reduces FID by 42.7% on NPHM and 22.5% and 4.4% on zero-shot FaceVerse and i3DMM, respectively, relative to the strongest baseline, with a 7.2M-parameter core network.
• Abstract（参考訳）: まばらな画像から3D人間の頭部の、アイデンティティに富んだ物理的表面の外観を復元することは、依然として困難である。 既存の方法は、しばしばUVベースのパイプラインに依存し、シームアーティファクトを導入し、画像空間で運用し、表面の一貫性を制限している。 トレーニング時に一貫したUVパラメータ化を必要とせず,任意のメッシュトポロジ上で頂点ごとのアルベドと粗さを直接合成する,表面ベースの条件付き拡散フレームワークである。 VISAGEは、グローバルなスペクトル処理と局所測地線K-Nearest-Neighbourの改良を組み合わせ、構造的コヒーレンスを強制し、歪んだスペクトルベースを越えて詳細を復元する。 マルチビューRGB画像は、視認性に配慮したクロスアテンションを介してネットワークを条件付け、全頭面にわたるオクルージョン・ロバスト合成を可能にする。 領域固有のモジュールは、意味的に要求され、異なる領域(目、口、皮膚、毛髪)を専門とし、接空間の出力プロジェクションは細かな虹彩の細部を復元する。 さらに, 物理的に可塑性なアルベド, 粗さ, および通常の地図を用いて, 生の幾何学的スキャンを充実させる, スケーラブルなプロシージャ拡張パイプラインを導入する。 予測属性は、単一のRGBA頂点カラーチャネルとして直接レンダリングされる。 VISAGEはNPHMで42.7%、FaceVerseで22.5%、i3DMMで4.4%、最強のベースラインで7.2MのコアネットワークでFIDを削減している。

関連論文リスト

• Surfsvr: 2D Surface Priors as 3D Geometric Regularizers for Sparse Voxel Reconstruction [56.51413081953813]
  SurfSVRは2次元表面の先行を明示的な3次元幾何正規化器として扱う新しいスパースボクセル再構成パラダイムである。 鮮明なボクセルの再現は、視認性と幾何学的特性が著しく異なる場面で一貫して改善される。
  論文  参考訳（メタデータ） (2026-08-12T11:25:31Z)
• DySurface: Consistent 4D Surface Reconstruction via Bridging Explicit Gaussians and Implicit Functions [30.023158829098502]
  動的シーンにおける暗黙的距離関数(SDF)の幾何学的忠実度で、明示的なガウス的効果を橋渡しする新しいフレームワークであるDySurfaceを提案する。 具体的には,変形したガウスを生かしたVoxGS-DSDF分岐を用いて,動的スパースボクセル格子を構築し,暗黙のSDF場への幾何的ガイダンスを提供する。 この明示的なアンカーは、ボリュームレンダリングプロセスを効果的に調整し、水密境界と詳細な表現で表面再構成品質を著しく改善する。
  論文  参考訳（メタデータ） (2026-05-11T11:05:17Z)
• PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [76.9760302941819]
  PolGS++は高速反射面再構成のための偏光ガウス散乱フレームワークである。 本稿では,アングル・オブ・ポラライゼーション(AoP)に基づくタンジェント空間の整合性制約を実現するための,奥行き誘導型可視マスク取得機構を提案する。
  論文  参考訳（メタデータ） (2026-03-11T14:11:42Z)
• TSPE-GS: Probabilistic Depth Extraction for Semi-Transparent Surface Reconstruction via 3D Gaussian Splatting [15.513430559997701]
  3D Gaussian Splattingは、高い速度品質のトレードオフを提供するが、ほとんどのメソッドは1ピクセルあたりの深さを仮定するため、半透明な表面の再構築に苦慮している。 我々は,不透明度と深さの画素単位のマルチモーダル分布をモデル化するために,透過率を均一にサンプリングするTSPE-GSを提案する。
  論文  参考訳（メタデータ） (2025-11-13T04:18:59Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• Ternary-Type Opacity and Hybrid Odometry for RGB NeRF-SLAM [58.736472371951955]
  表面を交差する光線上の点を3つの領域(前・前・後・後)に分類する3成分式不透明度モデルを導入する。 これにより、より正確な深度のレンダリングが可能となり、画像ワープ技術の性能が向上する。 TTとHOの統合アプローチは,合成および実世界のデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-20T18:03:17Z)

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。