Apr, 2020

SoftSMPL：基于数据驱动的柔性组织非线性动力学参数人体建模

PDF
TL;DR本文提出了 SoftSMPL，一种基于学习的方法，用于以身体形状和动作作为函数来建模逼真的软组织动力学，具有比现有技术更好的通用性，运用了新颖的运动描述符、神经网络的基于循环的回归器和高效的非线性变形子空间。
softsmpllearning-based methodsoft-tissue dynamicsmotion descriptorneural network
发现论文，激发创造
  • STMPL：人体软组织模拟

    人体软组织的非刚性变形模拟是在虚拟现实和游戏等应用中至关重要的，传统的有限元方法 (FEM) 过于缓慢和资源密集，本文提出了一种基于数据驱动的非刚性变形模拟器的统一表示方法，能够实现快速仿真真实交互。

    Mar, 2024

  • 服装人体的动态表面函数网络

    提出一种新方法，基于动态表面函数网络，利用单目 RGB-D 序列学习个体化身体模型，并使用人体表面多层感知器（MLP）来重构为具有时间连贯性的网格序列并合成姿态依赖性动画。

    Apr, 2021

  • Champ: 可控且一致的人物图像动画与三维参数引导

    通过在潜在扩散框架中利用 3D 人体参数模型，介绍了一种人像动画的方法，以增强当前人体生成技术中的形状对齐和运动引导，通过捕捉源视频中的复杂人体几何和运动特征，利用深度图像、法线图和语义图来丰富潜在扩散模型的综合三维形状和详细姿势属性的条件，通过多层运动融合模块在空间域中融合形状和运动潜在表示，并通过以 3D 人体参数模型作为运动引导来执行参变形对齐，实验证明该方法能够生成准确捕捉姿势和形状变化的高质量人体动画，并且在所提出的数据集上具有优越的泛化能力。

    Mar, 2024

  • 基于谱子流形的非线性系统数据建模与预测

    本研究针对含有非线性或不可线性化的、具有一个双曲线性部分并受有多个有限频率的外力系统的数据集，提出了一种构建低维预测模型的方法。我们将通过在系统的低维、吸引光谱子流形上的扩展正常形式上获得的数据驱动、稀疏、非线性模型。我们在梁振动、涡 shedding 和 水箱晃荡等数据集上展示了数据驱动的光谱子流形降维的强大力量，并发现在预测非强制外部力下的非线性响应方面，也能准确预测受外力影响的情况。

    Jan, 2022

  • 学习梯度下降拟合人体模型

    本文提出了一种新算法，将迭代梯度下降和深度神经网络结合起来，实现 3D 人体形状与图像的拟合。该算法只需人体动作捕捉数据，不需要图像到 3D 对应关系，并且在公共数据集上达到了最先进的结果。

    Aug, 2020

  • SMPLpix：基于 3D 人体模型的神经化身

    本研究提出了一种新的深度学习网络，用于将 3D 模型转换为逼真的照片，旨在弥合现有深度生成模型不能灵活控制的瓶颈问题，同时也改善了传统三维图形处理渲染机制的不足之处。

    Aug, 2020

  • NPMs: 三维可变形形状的神经参数模型

    本论文提出了一种学习式的 Neural Parametric Models (NPMs) 用于精确地重建和跟踪人体、手部和服装等物体的运动序列，并展示了该方法相对于传统参数化或非参数化方法的优越性。

    Apr, 2021

  • H4D: 通过学习神经元组合表达进行人体 4D 建模

    本研究提出一个新型框架，名为 H4D，利用 SMPL 参数模型对动态人体进行建模，包括形状、初始姿势、运动和辅助信息，通过线性运动模型和 GRU-based 架构来提高准确性和表现力，有效地恢复了动态人物的运动和细节几何

    Mar, 2022

  • SMPL 约简：从单张图片自动估计三维人体姿态和形状

    本研究提出了一种基于 DeepCut 和 SMPL 模型的 3D 姿态估计方法，能够从单张无约束的图像中自动预测人体的姿态和形状，实现了对人体结构和运动的精确推断。

    Jul, 2016

  • STAR: 稀疏训练的关节人体回归器

    本研究提出了一种比 SMPL 更为优秀的 3D 人体姿态和形状估计、合成和分析方法 STAR，通过每个关节的姿势修正和基于身体姿势和 BMI 的形状相关姿势修正深度学习而得，同时通过对较多女性和男性对象的训练提高了模型的推广和应用性。

    Aug, 2020