CVPRMar, 2020

空间自适应实例归一化神经姿态转移

PDF
TL;DR本文提出了一种基于深度学习的神经模型，应用最新的空间自适应实例规范化技术来解决源网格姿势传递到目标网格上。通过实验证明，所提出的模型可以有效地传递源到目标网格的变形，并具有很好的推广能力来处理未见过的网格姿势。
pose transferhuman meshdeep learningneural modelinstance normalization
发现论文，激发创造
  • 基于对应学习和网格细化的三维姿态转移

    该论文提出了一种对人类和动物网格控制姿势的方法，该方法通过优化传输问题建立源网格和目标网格之间的对应关系，并使用弹性实例归一化的条件归一化层来提高生成网格的质量。

    Sep, 2021

  • 3D 人体形状风格转移

    本文介绍了一种将静态实体角色的形状风格转移到真实动态角色的方法，并通过应用自适应实例归一化和 SPADE 体系结构将图像风格转移技术拓展到三维人体形状领域，利用卷积神经网络同时保留形状结构和传递新主题形状的风格，通过优化和学习方法实现了大约 56% 的质量和数量上的改进。

    Sep, 2021

  • 双侧特征融合 3D 姿态传递

    提出了一种双侧特征融合姿势转移网络，通过将姿势特征作为解码网络的一个侧面输入，并在多个尺度上逐层将其融合到目标网格中，从而提高了轻量级方法的姿势转移准确性。

    May, 2023

  • 区域自适应规范化在语义人像生成中的应用

    提出了一种新的两阶段框架来处理姿势和外观的转化，通过区域自适应规范化，利用区域风格指导目标外观生成，生成更语义化、一致性和逼真的结果。

    Apr, 2021

  • 通过自适应分层变形实现人体姿势转换

    本文提出了一个基于两级分层变形的自适应人体姿态转移网络，使用门控卷积动态选择图像的重要特征并逐层自适应变形，通过更少的参数快速收敛并在服装纹理转移等任务中获得更好的性能。

    Dec, 2020

  • 神经姿势表示学习用于生成和转移非刚性物体姿势

    我们提出了一种新的学习三维可变形物体姿态表示的方法，该方法能够在物体的不同标识和姿态之间进行解耦，并通过单一对象的变化实现多样化的姿态。通过设计姿态提取器和姿态应用器来实现姿态解耦、生成模型的紧凑性和可转移性，并利用隐式姿态应用器来提取姿态信息和实现目标对象的形状变化。通过实验验证了姿态转移和生成多样性变形形状的最新性能。

    Jun, 2024

  • MAPConNet: 自监督的网格与点对比学习三维姿势转移

    本研究提出了一种新的自我监督框架，用于三维姿势传输，并利用潜空间中的对比学习约束，实现无监督，半监督和全监督设置下的对比度学习。实验结果表明，我们的方法在受监督的 3D 姿势转移方面取得了最先进的结果，在无监督和半监督设置中取得了可比较的结果。

    Apr, 2023

  • 使用全局和局部归一化的人体姿态估计

    本文解决了人体关节位置估计的问题，提出了基于卷积神经网络的空间姿态模型优化方法，包括人体细节归一化，肢体归一化，以及多尺度监督和融合。实验表明，该方法在基准测试中表现优于现有的最佳方法。

    Sep, 2017

  • 深度图像空间变形用于人物图像生成

    本文提出一种不同于传统 CNN 的可微分全局流本地注意力框架来进行姿势引导的人体图像生成，该模型通过预测流场来进行全局相应，通过提取特征图中的局部补丁对局部注意力系数进行计算来生成新的人体图像，实验结果表明该方法优于传统方法，同时也适用于其他要求空间变换的任务。

    Mar, 2020

  • 通用三维姿势转移的几何对比变换器

    本研究提出了一种定制的三维网格 Transformer 模型，用于姿态转移任务，并在全局和局部上提高了几何不一致性的学习，从而实现了三维姿态转移，并推广到从未知空间的具有挑战性的网格上的交叉数据集任务。

    Dec, 2021