从单目视频中构建类别不可知和可动画的三维模型：CAMM

Apr, 2023

从单目视频中构建类别不可知和可动画的三维模型：CAMM

CAMM: Building Category-Agnostic and Animatable 3D Models from Monocular Videos

Tianshu Kuai, Akash Karthikeyan, Yash Kant, Ashkan Mirzaei, Igor Gilitschenski

TL;DR提出一种新的重建方法，可以学习任何物品的动画运动学链，不需要事先了解物品的形状或基础结构，能够实现直接姿势操纵，并在各种复杂的关节对象类型上获得与最先进的三维表面重建方法相当的表现。

Abstract

Animating an object in 3D often requires an articulated structure, e.g. a kinematic chain or skeleton of the manipulated object with proper skinning weights, to obtain smooth movements and surface deformations. However, existing models that allow direct pose manipulations are either li

3d animation kinematic chain surface deformation reconstruction method pose manipulation

发现论文，激发创造

从视频中重建可动画类别

利用可微分渲染实现从单个视频中生成人，猫和狗等动物的可动态三维模型，并通过优化特定的骨架实现实例化，使用潜在空间正则化鼓励类别间的共享结构并同时维护实例的细节和使用三维背景模型将对象与背景分离。

May, 2023

动物头像：从日常视频重建可动画的 3D 动物

我们提出了一种从单目视频中构建可动画的狗头像的方法，通过解决动物的姿态变化和外观问题，提高了基于模板的形状拟合的质量。我们的方法在 CoP3D 和 APTv2 数据集上展示了优异的结果。

Mar, 2024

从 RGB-D 视频中重建带骨骼的关节式模型

该研究提出了一种使用深度数据构建可追踪的关节对象完整绑定形式建模的方法，该方法包括 deformable mesh tracking，motion segmentation，spectral clustering，嵌入式骨架和蒙皮权重。

Sep, 2016

从运动学习骨骼类目的单目三维重建

使用视频自监督和模板形变技术来实现单目 3D 重建并且进行数值优化，以便使计算得出的模型更加准确和具有解释性。

Mar, 2021

单目动作捕捉的运动链空间

本文提出了一种基于核范数优化的运动捕捉方法，该方法不需要特定的相机或物体运动，并且不依赖于训练数据或先前确定的约束条件，能够重建具有有限相机运动和先前未见过的运动的情景，适用于人体骨架、动物或工业机器人等其他运动链

Feb, 2017

构建单目物体 - SLAM 的类别特定模型

提出了一种基于类别级别模型的单目相机实时目标 SLAM 的新范例，利用 CAD 集合构建类别级别模型以帮助设计目标地标观察，并在大数据合成方法中学习对象变形和判别特征，从而在实时场景中可以估算物体形状及位置，并帮助进行增强现实应用的物体实例检索。

Feb, 2018

学习隐式表示以重建关节式物体

利用物理约束为我们建立的隐式表示提供了规范项，通过迭代估计隐式和显性表示，我们证明了我们的方法在标准视频数据集上优于现有技术。

Jan, 2024

从众多日常视频中构建可动画的 3D 神经模型的 BANMo

BANMo 是一种无需使用专门的传感器或预定义的模板形状就能从许多单目视频中建立高保真、关节式 3D 模型的方法，并将三种思想融合在一起，包括使用关节骨骼和混合皮肤的经典可变形形状模型、梯度优化的体积神经辐射场（NeRFs）和生成像素和关节模型之间对应的规范嵌入。

Dec, 2021

从 4D 点云中构建任意 3D 物体的可重新极化模型

通过使用一种新的能量最小化框架，从点云视频中识别出由任意数量部分组成的任意日用物品的不同部分，这与其他先前的研究相比，我们的方法在各种度量方面表现更好，并能使模型重新定位到新的姿势上。

Jun, 2023

CAMS: 类别级功能型手 - 物体操作合成的规范化操作空间

本文提出一种新颖的类别水平的手 - 物体功能操作合成任务，涵盖刚性和铰接对象类别，设计了规范化操作空间 (CAMS) 和两阶段框架，实现了刚性和铰接类别的人类化操作动画合成。

Mar, 2023