- …
- …
#501
summarized by : Naoya Chiba
どんな論文か？
人物頭部の3DモデルをImplicit Functionによって表現しモーフィングを行う．陽な非剛体位置合わせなしで3Dスキャンされたデータから学習でき，いくつかの要素にDisentanglementされた潜在表現を獲得することができる．形状の変形についてはクエリされた点の座標の変異によって記述し，修正されたクエリ点についてSDFと色を推定することでレンダリングする．
新規性
人物頭部のデータにImplicit Functionによる表現を用いたこと，その表現を形状について個人・表情・髪型に，色について個人と髪型に分離するように学習したことが新規．顔画像をマルチビュースキャンで実際に収集しデータセットを構築，大まかなアラインメントをしている．このとき表情だけでなく髪型についても何通りが取得することで，髪型に関するDisentanglementを実現している．
結果
構築したデータセットで学習し評価した．再構成されたメッシュ・画像から，うまく形状が対応付けられていること，各潜在表現が意図通りに分離していることを示した．データ間で幾何的な対応付けができていることにより，アノテーションした情報をワンショットで他のデータに転送できる．
その他（なぜ通ったか？等）
- …
- …