# コンピュータグラフィックス

2D画像拡散モデルから抽出された事前知識を利用して、再照明可能な放射場を作成する手法です。単一照明条件下で取得された多視点データを、多照明効果を持つデータセットに変換し、3Dガウススプラインを用いて再照明可能な放射場を表します。この手法は正確な形状や表面法線に依存しないため、複雑な形状や反射BRDFを持つ複雑なシーンの処理に適しています。

Champは、陰関数と畳み込みニューラルネットワークを組み合わせることで、高品質で多様性があり、リアルな3D形状を生成する生成モデルです。動物、乗り物、家具など、様々な種類の形状を生成できます。

AnimatableDreamerは、単眼ビデオからアニメーション可能な非剛体3Dモデルを生成?再構成するフレームワークです。様々な種類の非剛体オブジェクトを生成でき、ビデオから抽出されたオブジェクトの動きに沿った生成を行います。本フレームワークの主要技術は、提案する典範スコア蒸留法であり、生成次元を4Dから3Dに簡略化し、ビデオ内の異なるフレームでノイズ除去を行いながら、独自の典範空間内で蒸留プロセスを実行します。これにより、時間的一貫性のある生成と様々なポーズにおける形状のリアルさを保証します。微分可能な変形を利用することで、AnimatableDreamerは3Dジェネレーターを4Dに拡張し、非剛体3Dモデルの生成と再構成に新たな視点をもたらします。さらに、一貫性のある拡散モデルの帰納的知識と組み合わせることで、典範スコア蒸留は再構成を新たな視点から正則化し、生成プロセスを閉ループで強化します。数多くの実験により、この手法が単眼ビデオから高次元の柔軟性を備えたテキストガイド付き3Dモデルを生成し、従来の非剛体重構成手法よりも優れた再構成性能を達成することが示されています。

Paint3Dは、テクスチャのない3Dメッシュに対して、高解像度で、無光沢、多様な2K UVテクスチャマップを生成できます。テキストまたは画像を入力に基づいて条件付き生成を行います。深層情報を考慮した事前学習済みの2D拡散モデルを用いて、まず視点条件付き画像を生成し、多視点テクスチャ融合により初期の粗いテクスチャマップを取得します。その後、専用のUV補完およびUVHDテクスチャモデルを使用して、光沢を除去し、不完全な領域を補完します。Paint3Dは、セマンティックに整合性があり、光沢のない高品質な2K UVテクスチャを生成することで、テクスチャのない3Dオブジェクトのテクスチャ生成レベルを大幅に向上させます。

HAARは、テキスト入力に基づいたリアルな3Dヘアスタイルを生成するモデルです。テキストプロンプトを入力として受け取り、様々なコンピュータグラフィックスやアニメーションアプリケーションで使用できる3Dヘアスタイルのアセットを生成します。既存のAIベースの生成モデルとは異なり、HAARは3Dヘアストランドを基本表現として使用し、2DビジュアルQ&Aシステムによって生成された合成ヘアスタイルモデルに自動的に注釈を付けます。本モデルでは、テキストガイド付きの生成手法を提案しています。これは、潜在的なヘアスタイルのUV空間において条件付き拡散モデルを用いてガイドヘアストランドを生成し、潜在的なアップサンプリングプロセスを用いて、数十万本のヘアストランドを含む密集したヘアスタイルをテキスト記述から再構築します。生成されたヘアスタイルは、既存のコンピュータグラフィックス技術を用いてレンダリングすることができます。