CVPRMar, 2021

基于个性化几何和纹理建模的少样本人体运动迁移

PDF
TL;DR本文提出了用于少样本人体运动转移的新方法，使用少量的外观输入实现逼真的人物图像生成。该方法通过将人类纹理映射到表面几何（表示为 UV 贴图）上来解决这个问题，并生成个性化的 UV 贴图。
few-shot human motion transfertexture mapsurface geometrypersonalized uv maptexture generator
发现论文，激发创造
  • 从野外单张图像中的姿势引导的人类动画

    本文提出了一种新的姿态转换方法，通过使用组合神经网络，预测人的轮廓，服装标签和纹理，并在推理时利用训练有素的网络生成一个外观及其标签的统一表示，以对姿势变化做出响应，并使用背景完成外观的呈现，从而实现保留人物身份和外观，具有时间上的一致性和泛化能力。

    Dec, 2020

  • 基于单目视频的高保真度神经人类动作转移

    该文提出了一种新的框架，通过训练一系列递归深度神经网络从 2D 姿势及其时间导数来生成人类形状、结构和外观的中间表示，从而解决了视频中松散的服装动态和细节的生成问题，实现了高保真的人类动作转移。

    Dec, 2020

  • 学习将服装图像的纹理转移到 3D 人体模型

    提出一种将服装图像的纹理自动转移到穿着在人体模型上的 3D 服装的方法，并在不需要纹理信息的情况下实现，速度比传统方法更快，从而实现了更准确的模型，这为虚拟试穿等应用提供了新的途径。

    Mar, 2020

  • 重新识别监督纹理生成

    本文提出了一种基于端到端学习策略的方法，利用行人重新识别作为感知度量，生成单张人体图像的纹理贴图，实验结果表明，我们的模型可以从单张图像中生成纹理贴图，并证明我们的纹理比其他可用方法生成的质量更高，我们还将应用范围扩展到其他类别，并探索了我们生成的纹理的可能利用途径。

    Apr, 2019

  • UV 高斯函数：人类角色建模的网格变形和高斯纹理的联合学习

    通过联合学习网格畸变和二维 UV 空间高斯纹理，我们提出了 UV 高斯模型，用于重建逼真的可行驶人体化身，并通过独立的网格网络来优化姿势相关的几何畸变，从而指导高斯渲染并显著提高渲染质量。

    Mar, 2024

  • Human MotionFormer：基于视觉 Transformer 的人类动作转移

    本论文提出了一种基于全球和本地感知的分层的 ViT 框架 Human MotionFormer，旨在提高人类运动转移中的特征匹配和运动品质，该方法通过多个块的特征匹配和运动传递，实现了全局特征匹配，进一步引入了卷积层来改善局部感知，实现了平移和生成分支之间的协同监督来训练更好的运动表示，取得了最先进的效果。

    Feb, 2023

  • 利用纹理一致性监督人体网格估计的姿态

    该论文研究了基于模型的人体姿态估计问题，提出了一种自然监督方式，并通过引入纹理一致性损失来提高估计精度。

    Oct, 2019

  • TexDreamer：面向零样本高保真 3D 人体纹理生成

    利用 TexDreamer 模型，我们通过有效的纹理自适应微调策略将大型文本到图像模型转化成语义化 UV 结构，在保留其原始泛化能力的同时，能够在数秒内生成高保真度的 3D 人体纹理。此外，我们还介绍了包含 50k 高保真度的纹理及文本描述的 ATLAS 高分辨率 3D 人体纹理数据集。

    Mar, 2024

  • 单张图像中穿着衣物的人的 360 度纹理

    本文使用图像到图像翻译方法在 SMPL 模型的 UV 空间中推断纹理和几何学，以此预测人物的完整三维化身。通过此方法，我们得到的预测纹理和几何学可以应用到 SMPL 模型上，从而自然地对新的姿势、形状和衣物进行推广。

    Aug, 2019

  • 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