仿生场景生成
本文介绍了一种基于模块化生成神经网络的方法,用来合成出一张人的图像并保证姿势、外貌和背景的一致性,其中包括了基于图像和动作的训练资料,以及对抗性判别器等技术来实现姿势合成,最终能够生成与动作类别准确匹配的图像,同时还可以将多个动作合成为视频。
Apr, 2018
本文提出了一种基于姿态引导的方法来以可分离的方式合成人类视频:可信的运动预测和协调的外观生成,旨在探索并掌握视频合成中人体姿态的本质动态和诠释能力,并在保持外观连贯性的同时处理异常和嘈杂数据,实验证明其优于现有技术。
Jul, 2018
本文提出了一种使用生成式对抗学习的新方法,用于综合产生任意姿势的具有照片级真实感的人物图像。研究通过无监督的方式来处理此问题,并且将其分解成两个主要子任务,一是姿势条件的双向生成器,二是定义一个新型的损失函数,包含内容和风格项,旨在生成高感知质量的图像,可以在 DeepFashion 数据集上进行广泛的实验验证。
Sep, 2018
本文提出了一种基于场景本质的方法来插入人物图像,使用扩散模型训练出可以在场景上自然插入的人物,支持交互式编辑。通过定量评估,证明了该方法比之前的方法更能合成出自然的人物形象和人 - 场景交互作用。
Apr, 2023
本研究针对上下文能力学习进行了探究,基于现有姿势模板的情况下,通过与场景特征映射的交互,采用查询嵌入方法有效预测每个姿势模板的比例和偏移,进而提高人体姿势生成的效果。
Aug, 2023
本文提出了一种新框架,将场景和人体运动相互作用考虑在内,使用生成任务将人体运动的分布因子分解,并使用基于 GAN 的学习方法来提高其有效性。文中讨论了两个数据集结果,涵盖了真实和合成环境。
May, 2021
本论文探讨了在三维室内场景中预测人类动作所需的可负担性建模技术,并通过引入语义和几何结构来创建大规模数据集合并使用三维姿态合成器预测出语义合理的人体姿态。最终的可负担性预测方法能够持续胜过现有的最新方法。
Mar, 2019
本研究提出了一种全自动系统,用于将 3D 场景转换成自然姿势的 3D 人体,该系统采用基于表面的 3D 人体模型 SMPL-X,利用条件变分自编码器和场景约束,可以合成与 3D 环境自然交互的真实、表现力强的 3D 人体,适用于许多应用领域,例如人体姿势估计、视频游戏和 VR / AR。
Dec, 2019
本文提出了一种基于单个图像的算法来重新渲染人物在各种姿态下的效果,并通过人体对称先验来学习插画对应关系,使用 StyleGAN 生成器控制外观和姿态,比现有技术表现更好
Sep, 2021