本研究では、動的条件付きMixture-of-Experts(DC-MoE)ニューラルネットワークを提案し、様々なスタイル、期間、軌跡を持つモーションの遷移を可能にする。
RoCoTexは、視点一貫性、アラインメント、シームレス性を備えた高品質な質感合成を実現する堅牢な手法である。
曲率情報を活用したニューラルネットワークを用いて、3Dサーフェスの欠損部分を高精度に補完する。
生の3Dメッシュモデルを活用することで、3Dガウシアンスプラッティングの基本的な幾何学形状と表面テクスチャの学習を改善し、より写実的な建築物の3D再現を実現できる。
本手法は、3Dシーンの幾何学的特徴をスタイルシーンから忠実に転写することで、高品質な3Dスタイル転送を実現する。
CadVLMは、事前学習された視覚言語モデルを活用し、CADスケッチの言語的表現と視覚的表現を統合的にモデル化することで、CADスケッチの自動生成を実現する。
本研究は、人間の創造性とAIモデルを組み合わせ、ナラティブ理論に基づいてコミック制作プロセスを支援するシステムを提案する。
本手法は、点群を圧縮したビットストリームから直接レンダリング可能な3Dガウシアンを生成することで、点群圧縮、再構成、レンダリングの間のギャップを埋める。これにより、高品質なレンダリングを低ビットレートで実現する。
本研究では、骨格ガイド2D拡散と ハイブリッド3D Gaussianアバター表現を核とするDreamWaltz-Gフレームワークを提案する。これにより、テキストから高品質で表現力豊かな3Dアバターを生成することができる。
生成型AIによる個別化とVRイマージョンを組み合わせることで、オーラル・ストーリーテリングの体験が深化し、文化理解と自己省察が促進される。