AutoAvatar:動的アバターモデリングのための自己回帰ニューラルフィールド【JST・京大機械翻訳】

Bai Ziqian; Bagautdinov Timur; Romero Javier; Zollhofer Michael; Tan Ping; Saito Shunsuke

プレプリント

J-GLOBAL ID：202202206624315679 整理番号：22P0310467

AutoAvatar:動的アバターモデリングのための自己回帰ニューラルフィールド【JST・京大機械翻訳】

AutoAvatar: Autoregressive Neural Fields for Dynamic Avatar Modeling

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月25日プレプリントサーバーでの情報更新日： 2022年03月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

陰的表面のような神経場は,最近,明示的な時間的対応なしに生走査からのアバターモデリングを可能にした。本研究では,ソフト組織変形のような動的効果を捕捉するために,この概念をさらに拡張するために自己回帰モデリングを利用した。自己回帰モデルは,動的に動的を扱うことができるが,明示的な状態復号化が禁止メモリ要求のために実行不可能なので,暗黙表現にそれらを適用することは自明でない。本研究では,初めて,暗黙アバタの自己回帰モデリングを可能にした。メモリボトルネックを減らし,動的陰的表面を効率的にモデル化するために,パラメトリック人体モデルの明示的表面に対して陰的状態を関係づける関節オブザーバポイントの概念を導入した。関節付きオブザーバポイントで定義された高さ場の集合として陰的曲面を符号化することは,潜在表現と比較して,有意に良好な一般化をもたらすことを実証した。実験は,著者らのアプローチが,最新の運動に対してさえ,妥当な動的変形を達成して,最先端技術より優れていることを示した。https://zqbai jeremy.github.io/autoavatarはhttps://zqbai jeremy.github.io/autoavatarである【JST・京大機械翻訳】

, , , , ,
, , , , , , 【Automatic Indexing@JST】

ロボットの設計・製造・構造要素

, ,

前のページに戻る