ICCVAug, 2019

Multi-Garment Net: 从图像中学习为 3D 人物着装

PDF
TL;DR该研究介绍了一种名为 MGN 的多服装网络模型，利用 SMPL 模型，通过视频中几帧图像（1-8）预测身体的形状及所穿服装，该模型能够更好的控制身形和服装的关系。为了训练 MGN，研究人员利用一个数字化的衣柜，该衣柜中包含了 712 件数字化服装模板以及真实人物在不同姿势、身着不同服装时的 3D 扫描数据。该数字化衣柜、MGN 模型以及 SMPL 模型的代码均可公开获取。
发现论文，激发创造
  • 生成式服装中的 3D 人物着装学习

    本文提出了一种名为 CAPE 的基于 Mesh-VAE-GAN 和 SMPL 身体模型的条件服装生成模型，能够直接为 3D 人体模型着装并适用于不同的姿势。

    Jul, 2019

  • BCNet：从单张图片中学习人物和服装的形状

    本文提出了一种基于 SMPL 的分层服装表示方法，通过使服装区分于身体网格并独立于其蒙皮权重，实现了更高的表达能力和更好的几何恢复效果，并结合训练数据集展示了其在服装重构和身体形状恢复方面的优势，同时也可以实现像重新姿势、服装转移和服装纹理映射等应用。

    Apr, 2020

  • 基于 RGB 图像的三维虚拟服装建模

    本文提出了一种新颖的方法，可以从照片中构建 3D 虚拟服装模型，通过利用多任务学习网络 JFNet 以及语义部件来提取颜色纹理信息，进行虚拟现实和混合现实的应用。

    Jul, 2019

  • 3DPeople: 建模穿着衣服人的几何形状

    本文提出了一种从单张照片中预测着装人体几何形状的新方法，包括三个关键点：一个新数据集，一个新的形状参数化算法和一个端到端的深度生成网络。

    Apr, 2019

  • SNUG: 自监督神经动态服装

    本文提出了一种自监督学习动态三维服装变形的方法，通过基于优化方案的物理模型训练神经网络，实现无需预先计算数据，节省大量时间和成本，并成功应用于包括动态变形和精细皱纹在内的交互式服装建模。

    Apr, 2022

  • TailorNet：利用人体姿势，形状和服装风格预测 3D 服装模型

    TailorNet 是一个用于预测三维服装变形的神经模型，它综合考虑了服装的姿态、形状和风格等因素，同时保留了皱纹细节。该模型采用了分解变形模型的方法，通过低频和高频组合预测服装形变，并且相比之前的模型，TailorNet 可以更快地提供更加真实的结果。

    Mar, 2020

  • 多层不可见服装披肩网络

    本文提出了一种针对多层服装的模型，通过映射其在人体模型的 UV 贴图上，将其拓扑结构独立化处理，并加入了基于 GNN 的网络，实现不同层次间的互动关系建模，从而成功实现了对真实服装重建的高性能模拟。

    Apr, 2023

  • gDNA: 生成详细神经化身模型

    这篇论文提出了一种新方法，使用前向蒙皮模块和对抗网络模型，仅从少量生动的数据中学习生成多样化的 3D 人形模型，以便能够更自然地生成身着不同服装的人形模型，并且还可用于将人形模型拟合到原始扫描数据上。

    Jan, 2022

  • 一种穿着衣物的人的生成模型

    本文提出了第一个基于图像的全身穿着人群生成模型，通过从大规模图像数据库中学习生成模型，我们克服了人体姿态、形状和外观方面的高变异性挑战，并提出了一种可分解生成模型以生成逼真的人物图像。该方法有效地实现了数据驱动的人物生成方法。

    May, 2017

  • 利用多视角图像进行形状感知人体姿态和形状重建

    使用多视角图像建议一种可伸缩的神经网络框架来重建 SMPL 模型子空间中的人体 3D 网格，并在现实图像上表现优异，特别是在形状估计方面。

    Aug, 2019