Apr, 2021

SNARF: 可微分的前向蒙皮技术用于非刚性神经隐式形状动画

PDF
TL;DR该研究提出了一种用于构建连续和解像度独立的三维模型的前向变形模型，该模型通过学习前向变形场来结合了 LBS 和神经隐式表达的优势，并使用迭代根查找从三维网格进行端到端的训练，从而在处理各种姿势的三维人体图像时具有较好的泛化性和精度。
neural implicit surface representations3d shapessnarflinear blend skinningend-to-end training
发现论文，激发创造
  • 神经表达辐射场

    我们提出了一种新的可变形三维表达方式 —— 神经关节光辐射场（NARF），该模型可以从图像中学习人工对象的运动姿态，并实现姿态的收放自如。NARF 不仅具有充分的可训练性和不可分性，而且还能够在多个实例的对象类中学习出外观的变化。实验证明，该方法高效可行、泛化能力强，并且代码已开源。

    Apr, 2021

  • A-NeRF：用于学习人体形态、外观和姿态的关节神经辐射场

    本文提出了一种基于神经径向基方法的生成神经体模型，通过学习未标记的单目视频，在不需要地面真实标签的情况下，共同完善的姿势和体积身体形状和外观，有效改善了多样化数据集上的准确性，是对使用反向运动学的引入的一个重要贡献。

    Feb, 2021

  • NiLBS: 神经反向线性混合蒙皮

    本文介绍了一种利用神经网络通过传统的皮肤技术反转所经历的变形的方法，通过预计算值来提高计算效率，可以在变形时有效地查询它们，这是计算机视觉和图形学中重要的问题。

    Apr, 2020

  • 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

  • 无模板关节神经点云用于可复位视图合成

    本文提出了一种使用基于点的表示和 Linear Blend Skinning（LBS）来联合学习动态 NeRF 和相关骨骼模型的新方法，在维持可比工作的情况下显著缩短了学习时间，在常见数据集上展示了其在重建可动物体方面的多样性和灵活性。

    May, 2023

  • 可动态展示人类身体的神经辐射场建模

    该论文提出了一种通过神经融合权重场和骨骼驱动变形的方法，从多视角视频中重建可动画的人体模型，相较于现有的人体合成方法，该方法具有显著优势。

    May, 2021

  • 基于拓扑感知的变形场单视图三维重建

    无需对齐的图像集合，基于拓扑意识的隐式形变场的学习、随后进行形状重构，该方法名为 TARS，在多个数据集中均取得了最先进的重构精度 (ShapeNet, Pascal3D+, CUB, and Pix3D chairs)。

    May, 2022

  • 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

  • 神经混合形态学习骨架关节

    本文通过开发一种基于神经技术的方法，在不假定训练数据的基础形变模型的情况下，使神经网络学习到骨架、皮肤和混合形状，并构建了一个骨骼层次结构的网络架构，利用预定义的骨骼结构使 3D 角色实现高质量的姿态相关形变，其中提出了用于改进关节区域变形质量的纠正姿势依赖形状的方法。

    May, 2021

  • 显式神经表面：利用形变场学习连续几何

    本篇研究提出了一种名为 ENS 的表面重构方法，使用一系列神经形变场逐步将连续输入表面转换到目标形状，通过 Laplace-Beltrami 本征函数和标准外部傅里叶特征进行表征，具有实时性能和高质量的网格抽取能力。

    Jun, 2023