Sep, 2020

DeePSD: 三维服装动画的自动深度蒙皮和姿态空间变形

PDF
TL;DR本研究通过深度学习提出了一种解决服装动画问题的新方法，可以对任何拓扑和几何复杂度的模板服装进行动画处理，并提出了一种补充有监督学习的无监督物理学习方法，以隐式解决碰撞和增强布料质量。
garment animationdeep learningtemplate outfitsupervised learningphysically based learning
发现论文，激发创造
  • 通过变形分解生成模型实现宽松服装动画

    基于变形分解的服装生成模型，能够高效地模拟松散服装的变形，生成带有复杂姿势驱动的变形效果，并通过对高频皱纹的增强模块进行反对抗训练，实验结果表明该方法优于现有的数据驱动方法。

    Dec, 2023

  • 基于物理的神经模拟器：无监督服装姿态空间变形

    本文提出了一种使用深度学习自动获得服装姿势空间变形基础的方法，以用于衣物的模拟动画，并展示了这种方法的高效性和可扩展性。

    Dec, 2020

  • DeepCloth: 基于神经网络的服装表征方法用于形状和风格编辑

    本文提出了 DeepCloth，它是一个针对服装表示、重建、动画和编辑的统一框架，它包含了三个组件：拓扑感知的 UV 位置图、连续特征空间中的嵌入和服装动画方法。这个方法可以实现更加灵活、通用的 3D 服装数字化框架。

    Nov, 2020

  • CloSET: 使用显式模板分解对穿着衣服的人类进行连续表面建模

    该研究提出了一种基于点的解决方案来解决服装变形问题，并引入了一个包含现实世界人类穿着高质量扫描数据集的方法进行验证。

    Apr, 2023

  • 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

  • 通过生成式三维服装模型实现自监督碰撞处理，用于虚拟试穿

    本文提出了一种新的生成模型，用于 3D 服装变形，能够学习一种数据驱动的虚拟试穿方法，并成功地解决了服装和身体之间的碰撞问题。通过使用服装的规范空间来训练生成模型，实现了一种自我监督的碰撞术语，可以可靠地解决服装和身体之间的相互渗透。

    May, 2021

  • 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

  • 利用基于骨骼驱动的动作网络预测宽松服装的变形

    该研究通过骨骼运动网络来预测宽松服装网格的变形，包括低频和高频的变形，并可估算仿真参数变化引起的衣服变形，证明了该方法优于现有方法。

    May, 2022

  • DeepWrinkles: 准确而逼真的服装建模

    本研究提出了一种数据驱动的方法，使用条件生成对抗网络来实现真实服装的高保真度仿真，可用于身体动画等应用。

    Aug, 2018

  • 动态神经服

    本文介绍了一种解决数字化人物着装的解决方案，该方案可以通过神经网络在测试时直接生成逼真的动态服装图像序列，以解决现有工作流程中重复性高且耗时的问题，并且可以在新的身体形状和背景图像下进行微调，并提供了与现有神经渲染和图像序列转换方法的定量比较。

    Feb, 2021