CVPRMar, 2022

SkinningNet：用于合成角色蒙皮预测的双流图卷积神经网络

PDF
TL;DRSkimmingNet 是一个采用 Two-Stream Graph Neural Network 结构的端到端模型，旨在计算输入模型和关联的骨架的皮肤权重，同时不考虑提供的模型的形状类别和结构。实验结果表明 SkimmingNet 在性能方面优于当前最先进的替代方案，该网络应用了 Multi-Aggregator Graph Convolution 对具有不同拓扑结构的模型具有很好的泛化性能。
发现论文，激发创造
  • 基于骨骼的角色面料变形预测算法：双流蒙皮网络

    本研究利用基于骨骼和网格的残差网络来预测基于骨骼的角色穿着松散或紧身服装的皱褶，其生成的细节皱褶丰富、精细，且具备低内存和计算要求，单个角色网格的预测时间为 7 毫秒。

    May, 2023

  • 基于骨架的动作识别的双流自适应图卷积网络

    本研究提出了一种新的双流自适应图卷积网络 (2s-AGCN)，用于基于骨架的动作识别，通过数据驱动的方法学习网络拓扑结构，同时建立了包含一阶和二阶信息的双流框架，通过对 NTU-RGBD 和 Kinetics-Skeleton 数据集上的实验，证明了本模型的优越性。

    May, 2018

  • 基于骨架的多流自适应图卷积网络动作识别

    本文提出了一种多流注意力增强的自适应图卷积神经网络 (MS-AAGCN)，用于基于骨架的动作识别。该模型可以端到端地学习图的拓扑结构，并用空时通道注意模块提高模型注意到重要关节、帧和特征。多流框架同时建模关节和骨骼信息及其运动信息，结果在大规模数据集 NTU-RGBD 和 Kinetics-Skeleton 上都超过了现有技术水平。

    Dec, 2019

  • 基于骨架的动作识别的图形边缘卷积神经网络

    本文研究通过骨架数据识别人体骨骼运动的方法，提出了基于图边卷积神经网络的方法，通过对骨骼边缘的空间和时间邻居关系的探究来识别人体运动，实验结果表明该方法可以更有效地识别人体运动，且融合节点卷积和图边卷积的混合模型可以进一步提高性能。

    May, 2018

  • RigNet: 基于神经网络的关节角色绑定

    该研究提出 RigNet：一种基于深度学习的自动化动画角色建模软件，通过输入 3D 模型可以精确预测骨骼结构和表面权重，并且可以比其他算法更好地模拟动态效果。

    May, 2020

  • SkeletonNet: 一种保持拓扑结构的解决方案，用于从 RGB 图像中学习网格重建物体表面

    本文针对基于 RGB 图像学习三维物体表面重建的挑战性任务，通过提出拓扑保持的骨骼形状表示方法，即 SkeletonNet 设计，结合 Skeleton-Based Graph Convolutional Neural Network （SkeGCNN）和 Skeleton-Regularized Deep Implicit Surface Network（SkeDISN）模型，有效提高表面重建的性能，并在广义任务设置下取得良好效果。

    Aug, 2020

  • 图嵌入的两流场景理解

    本论文提出了一种新颖的双流网络架构，通过结合图像特征流和图特征流，旨在提高图像分类和场景图生成任务的性能。利用多种数据融合方法将这两个流融合起来，以充分发挥基于图和基于图像的特征的互补优势。实验证明，该双流网络在提高图像分类准确性方面优于传统方法，对计算机视觉领域，尤其是场景理解和图像分类领域具有重要贡献。

    Nov, 2023

  • 基于迭代图滤波网络的三维人体姿态估计

    本文介绍了一种基于迭代图滤波的框架，用于 3D 人体姿势估计，并通过高斯 - 塞德尔迭代法设计了 Gauss-Seidel 网络架构，利用邻接修正和跳跃连接等方法改善模型性能。实验结果表明，该方法在两个标准数据集上都超过了其他基准方法，达到了最先进性能。

    Jul, 2023

  • Skeleton Transformer Networks：从单张 RGB 图像提取 3D 人体姿态和皮肤网格

    该研究提出了一种名为 Skeleton Transformer Networks 的网络框架，可以通过单张彩色图像预测出人体骨架的 3D 关节点位置和 3D 角度姿态，并从而生成蒙皮网格动画。该框架采用两步回归方法进行骨骼旋转预测，其中第一步通过考虑骨架结构回归骨骼旋转以获得初始解，第二步则基于被称为交叉热图的三维姿态表示采用热图回归器进行精细化调整。实验表明，使用该框架训练的 3D 人体姿势数据集可以在野外环境下通过单张图像准确预测出人体的 3D 姿态。

    Dec, 2018

  • 基于时空 Inception 图卷积网络的基于骨架的动作识别

    通过对图形卷积网络中的拆分、变换、合并策略进行重新设计，我们构建了一个简单而高度模块化的图形卷积网络体系结构，用于骨架序列处理中的动作识别，并证明了其优于现有基于深度学习的方法。

    Nov, 2020