SCANimate: 带皮肤衣物的化身网络的弱监督学习

CVPRApr, 2021

SCANimate: 带皮肤衣物的化身网络的弱监督学习

SCANimate: Weakly Supervised Learning of Skinned Clothed Avatar Networks

Shunsuke Saito, Jinlong Yang, Qianli Ma, Michael J. Black

TL;DR本文介绍了 SCANimate 系统，该系统采用弱监督学习方法，将原始三维扫描的拍穿人类转化为可动漫化的人物角色，在不需要表面网格配准的情况下实现装束的自然移动和变形，并引入了一种本地姿势感知隐式函数来模拟姿势依赖性形变。

Abstract

We present scanimate, an end-to-end trainable framework that takes raw 3D scans of a clothed human and turns them into an animatable avatar. These avatars are driven by pose parameters and have realistic clothing

scanimate 3d scans animatable avatar clothing deformation weakly supervised learning

发现论文，激发创造

ICON: 从法向量中获取隐式衣着人

该论文介绍了一种名为 ICON 的方法，该方法使用局部特征来进行 3D 人体建模，可以从不规则的 2D 图像中生成逼真且可动态的人体模型，并可以创建个性化且自然的动态变形的角色。

Dec, 2021

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

SCULPT：姿态相关的衣着和纹理人体网格的形状条件非配对学习

我们提出了 SCULPT，一种新颖的针对穿着衣服和贴图的人体 3D 网格的生成模型。

Aug, 2023

生成式服装中的 3D 人物着装学习

本文提出了一种名为 CAPE 的基于 Mesh-VAE-GAN 和 SMPL 身体模型的条件服装生成模型，能够直接为 3D 人体模型着装并适用于不同的姿势。

Jul, 2019

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

基于换装 3D 扫描序列的人体形态细节精准估计

本研究提出了一种新方法，可以从穿着衣服的 3D 扫描序列中恢复个人化的人体形状，其性能在姿态估计和形状估计方面均优于现有技术。

Mar, 2017

具有挑战性服装的人体神经点基形状建模

该研究通过使用可以捕捉衣物粗糙表面几何特征的学习的非规范化本地变形来解决现有点云或隐式表面建模方法对衣服建模的不足，可以用于学习人物特定的化身并演示其动画效果，并能从原始扫描直接学习，使得创建逼真化身的过程大大简化。

Sep, 2022

AvatarGen：可动漫人类角色的三维生成模型

本文提出 AvatarGen 方法，是第一种通过仅使用 2D 图像训练，能够生成高保真度外观和可控几何形状的、解耦式的可控人体动画的方法。

Nov, 2022

使用单目摄像头实现衣着 3D 人体角色的动态外貌建模

使用一个人的动态视频，通过引入新颖的组合式人体建模框架，结合显式建模和隐式建模的方法，实现高质量的服装 3D 人体化身建模，解决了缺乏几何和其时间对应关系的 3D 真值数据的挑战，成功地生成了具有运动相关几何和纹理的服装 3D 人体化身。

Dec, 2023

基于视频的姿势调节化身

通过神经放射场（NeRF）驱动底层骨骼，现在可以从一组稀疏的摄像机中重构动态人体动作和形状。我们开发了一个自适应和显式的频域两支神经网络来建模与骨骼姿态相关的衣物和皮肤的变形。通过模拟不同姿势所需的唯一频率分配，我们的网络在保留细节和泛化能力方面优于现有的方法。

Aug, 2023