Основні поняття
ディフュージョンモデルとグラフニューラルネットワークを組み合わせることで、高品質で制御可能な4D表情アニメーションを生成することができる。
Анотація
本研究では、ディフュージョンモデルとグラフニューラルネットワークを組み合わせた新しい手法を提案している。
- 3Dメッシュ空間上でディフュージョンプロセスを定式化し、グラフニューラルネットワークをノイズ除去モデルとして活用することで、高品質な4D表情アニメーションを生成できる。
- 一貫したノイズサンプリング手法を導入することで、アニメーションの時間的整合性を確保し、生成時間も大幅に短縮できる。
- 提案手法は、従来手法と比較して表情の極端な変化を高精度に捉えることができ、定量的・定性的な評価でも優位性を示している。
- さらに、テクスチャ情報も統合した4Dフェイシャルエクスプレッション生成にも拡張している。
Статистика
提案手法は従来手法と比較して、表情分類精度で77.77%から78.90%に向上した。
提案手法の平均特異度誤差は1.61mmと、従来手法の2.18mmや3.2mmよりも低い。
Цитати
"ディフュージョンモデルとグラフニューラルネットワークを組み合わせることで、高品質で制御可能な4D表情アニメーションを生成できる。"
"一貫したノイズサンプリング手法を導入することで、アニメーションの時間的整合性を確保し、生成時間も大幅に短縮できる。"