Sep, 2022

DIG: 在人体上覆盖隐式服装

PDF
TL;DR我们提出了一种使用隐式曲面表示衣服、学习受关节体模型形状和姿势参数影响的蒙皮场的端到端可微管道来处理任意拓扑衣物的方法，并提出了一种防止体 - 衣物相互穿插和减少艺术品的预处理策略和新的训练损失。经实验证明，我们的方法相比于现有的方法，可以更准确地重建和变形服装，并且可以通过图像观测共同恢复身体和服装参数。
发现论文，激发创造
  • GAPS: 基于几何意识、基于物理的自监督神经服装披肩

    通过引入几何约束和基于物理的模型，本文解决了现有方法中的不逼真的问题，并提出了适用于所有服装类型的几何感知的服装皮肤方法。

    Dec, 2023

  • ISP: 多层服装褶皱设计与隐式缝合图案

    本文介绍一种参数化服装表示模型，它可以处理多层服装，并且使用 2D 和 3D 参数化定义服装形状来实现不同 iability，这种组合比纯隐式表面表示更快，重建结果更高质量，并且支持通过修改 2D 面材质实现快速编辑服装形状。

    May, 2023

  • 从单张图片恢复高保真服装网格模型：从显式到隐式

    利用深度学习技术和隐含形状学习的力量，提出一种新颖的几何推断框架 ReEF，通过将显式模板与单张图片生成的整体隐式场进行匹配，重建具有拓扑一致性的分层服装网格，实验表明我们的方法在单张图像重建方面优于同类方法并能够为进一步的内容创作提供高质量的数字资源

    Mar, 2022

  • 多层不可见服装披肩网络

    本文提出了一种针对多层服装的模型，通过映射其在人体模型的 UV 贴图上，将其拓扑结构独立化处理，并加入了基于 GNN 的网络，实现不同层次间的互动关系建模，从而成功实现了对真实服装重建的高性能模拟。

    Apr, 2023

  • 通过生成式三维服装模型实现自监督碰撞处理，用于虚拟试穿

    本文提出了一种新的生成模型，用于 3D 服装变形，能够学习一种数据驱动的虚拟试穿方法，并成功地解决了服装和身体之间的碰撞问题。通过使用服装的规范空间来训练生成模型，实现了一种自我监督的碰撞术语，可以可靠地解决服装和身体之间的相互渗透。

    May, 2021

  • SNUG: 自监督神经动态服装

    本文提出了一种自监督学习动态三维服装变形的方法，通过基于优化方案的物理模型训练神经网络，实现无需预先计算数据，节省大量时间和成本，并成功应用于包括动态变形和精细皱纹在内的交互式服装建模。

    Apr, 2022

  • 动态神经服

    本文介绍了一种解决数字化人物着装的解决方案，该方案可以通过神经网络在测试时直接生成逼真的动态服装图像序列，以解决现有工作流程中重复性高且耗时的问题，并且可以在新的身体形状和背景图像下进行微调，并提供了与现有神经渲染和图像序列转换方法的定量比较。

    Feb, 2021

  • 服装裁剪技术比较研究

    通过对服装在人体上的多种披肩方法进行比较研究，我们评估了用于 3D 时尚设计、虚拟试穿和动画的流行技术。我们比较了基于物理和机器学习的技术、碰撞处理等多种模型的服装披肩方法，并讨论了性能评估和权衡，以确保在选择最适合的方法时做出明智的决策。这些方法旨在准确表示数字服装的变形和细微褶皱，考虑数据需求和效率等因素，以产生逼真的结果。该研究对于研究人员、设计师和开发人员在可视化多层 3D 服装方面具有启发性。

    May, 2024

  • DeepCloth: 基于神经网络的服装表征方法用于形状和风格编辑

    本文提出了 DeepCloth，它是一个针对服装表示、重建、动画和编辑的统一框架，它包含了三个组件：拓扑感知的 UV 位置图、连续特征空间中的嵌入和服装动画方法。这个方法可以实现更加灵活、通用的 3D 服装数字化框架。

    Nov, 2020

  • HumanCoser：基于语义感知扩散模型的分层三维人体生成

    基于新颖的物理解耦 - 语义感知扩散模型，本文提出了一个文本驱动的分层式 3D 人体生成框架，可以生成具有一致身体结构的 3D 人体，同时允许分层式的自由编辑。

    Dec, 2023