マルチビュー撮影から大規模高品質 3D ガウス頭部再構築手法「HeadsUp」を提案
本文の状態
日本語全文を表示中
詳細モードで約1分の本文を読めます。
研究者らは、多数のカメラからの入力画像を圧縮し、中性頭部テンプレートに固定された UV パラメータ化された 3D ガウシアンとして復元するスケーラブルなフィードフォワード手法「HeadsUp」を発表した。この手法は、入力画像の数や解像度に関わらず 3D ガウシアンの数を独立させられる。
Continue in AI NEW LAB
このニュースを、実務の判断につなげる
AI NEW LABで、試したことや先に確認したい条件を共有できます。まずはログインなしで読めます。
AI NEW LABで論点を見るSource Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
私たちはHeadsUpを提案します。これは、大規模なマルチカメラセットアップから高品質な3Dガウシアンヘッドを再構築するためのスケーラブルなフィードフォワード手法です。本手法は、入力ビューをコンパクトな潜在表現に圧縮する効率的なエンコーダー・デコーダーアーキテクチャを採用しています。この潜在表現はその後、ニュートラルなヘッドテンプレートに固定されたUVパラメータ化された3Dガウシアン群としてデコードされます。このUV表現により、3Dガウシアンの数を入力画像の数や解像度から独立させることが可能となり、多数の高解像度入力ビューを用いたトレーニングが可能になります。私たちは本モデルを…
原文を表示
We propose HeadsUp, a scalable feed-forward method for reconstructing high-quality 3D Gaussian heads from large-scale multi-camera setups. Our method employs an efficient encoder-decoder architecture that compresses input views into a compact latent representation. This latent representation is then decoded into a set of UV-parameterized 3D Gaussians anchored to a neutral head template. This UV representation decouples the number of 3D Gaussians from the number and resolution of input images, enabling training with many high-resolution input views. We train and evaluate our model on an…
同じ出来事を2媒体で確認
同じ出来事を扱う別媒体の記事です。見出しと公開時刻を比較できます。
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み