使用点的能力对穿着衣物的人进行建模
该研究提出了一种新的基于点云的人类服装建模方法,结合深度学习和神经图形学技术,能够对不同类型和拓扑结构的衣服进行三维建模,并能从单张图片中推断出新衣服的几何形状,实现衣服的变形重定向和重新渲染。
Apr, 2021
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
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
通过多视角捕捉视频对具有显式服装表示的可动衣物人形头像进行建模,采用二层网格表示注册每个 3D 扫描,通过时序卷积网络来预测衣物潜在编码以实现人体动力学和服装状态的交互作用。
Jun, 2021
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
本文提出了一种从 2D 图像生成逼真的 3D 人物的新方法,并使用多个辨别器和 2D 法线图形式的几何线索来训练模型,取得了在几何和外观方面超过以前 3D 和关节感知方法的性能,通过系统的消融研究验证了模型的有效性和每个组件的重要性。
May, 2023
本文提出了一个高效的三维服装化身重建框架。该框架通过高精度的基于优化的方法和高效的基于学习的方法相结合,以从单个图像中实现高保真度的服装化身重建为目标。通过在规范空间中以基于学习的方式使用隐式模型来学习人的一般形状,并通过以优化方式在姿态空间中估计非刚性变形来细化表面细节,使用超级网络来生成良好的初始化,从而极大地加速了优化过程的收敛。在各种数据集上的大量实验表明,所提出的服装化身重建框架成功地为现实场景中的任意穿着的人类产生了高保真度的化身。
Apr, 2023
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