Nov, 2020

DeepCloth: 基于神经网络的服装表征方法用于形状和风格编辑

PDF
TL;DR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。
garment representationcomputer visiongarment animationdeepcloth3d garment digitization
发现论文，激发创造
  • 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

  • DeePSD: 三维服装动画的自动深度蒙皮和姿态空间变形

    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。

    Sep, 2020

  • NeuralTailor：从服装的 3D 点云中重建缝纫图案结构

    该研究论文介绍了使用服装缝合图案和面向点的注意力模型 NeuralTailor，来解决在 SocialVR、表演捕捉和虚拟试衣等领域中，虚拟世界中真实服装重建的挑战。

    Jan, 2022

  • CLOTH3D: 服装三维人体

    CLOTH3D 是第一份大规模的 3D 服装人体序列的综合性合成数据集，并提供了基于条件变分自编码器和图卷积的生成模型，实现了在任何姿势和形状下逼真生成 3D 服装。

    Dec, 2019

  • UniGarmentManip：一种基于密集视觉对应的类别级服装操作统一框架

    通过自我监督学习，在特定类别中学习衣物的拓扑密集（点级）视觉对应，以指导各种下游任务的操作策略，而只需进行一次或少量示范。

    May, 2024

  • 通过流形感知变换器实现神经时装动力学

    利用基于数据驱动和学习的解决方案对动态服装进行建模，通过利用服装与人体之间的局部交互来模拟服装的动态特性。研究采用了面向网格的服装表示和流形感知的转换器网络设计，能够适应不同的服装和人体形状。通过广泛的实验评估，取得了与现有技术相比具有竞争力的定性和定量结果。

    May, 2024

  • SCALE: 基于关节局部元素表面编解码的服装人体建模

    通过使用神经网络的表征来捕捉局部相干几何信息和非平面细节，并回归本地几何，我们提出了一种新的表面能量，通过在服装上基于人体模型的变形将人体和衣服的形变分离开来，在二维参数空间上学习一种姿态嵌入，对未知的姿态进行模型建立，以及通过动作瞬间学习人的姿态，实现了点云三维建模和渲染。

    Apr, 2021

  • 从单张图片恢复高保真服装网格模型：从显式到隐式

    利用深度学习技术和隐含形状学习的力量，提出一种新颖的几何推断框架 ReEF，通过将显式模板与单张图片生成的整体隐式场进行匹配，重建具有拓扑一致性的分层服装网格，实验表明我们的方法在单张图像重建方面优于同类方法并能够为进一步的内容创作提供高质量的数字资源

    Mar, 2022

  • SiCloPe: 基于 Silhouette 的着装人物

    本研究提出了一种基于轮廓的人体服装建模和纹理预测系统，使用深度生成模型重建穿着服装人体的完整 3D 模型，其中使用 2D 轮廓和 3D 关节来描述人体的形状复杂性和变化，再通过条件生成对抗网络预测背景面纹理，实验证明该模型是一种有效的表示方法。

    Dec, 2018

  • 一种基于物理的深度学习框架用于布料模拟

    通过物理嵌入学习框架，使用卷积神经网络代表物体之间的空间相关性，并通过三个分支学习布料物理的线性、非线性和时间导数特征，模型通过与传统模拟器或子神经网络相结合，测试在不同的布料动画案例中达到与基准值的一致性和预测的真实性，同时提高了推理效率，可与其他视觉细化技术整合应用于三维布料动画。

    Mar, 2024