Aug, 2023

SwinGar: 自由摆动服装的频谱启发式神经动态变形

PDF
TL;DR我们提出了一种基于频谱的学习方法，用于生成具有动态效果和个性化细节的服装变形。通过引入频谱视角的频率控制策略、泛化形状信息的频谱描述符和集成了长短期记忆的频率可控注意机制，我们开发了一种动态服装变形估计器，实现了对不同类型服装的连续变形，并通过神经碰撞处理方法增强了服装的逼真度。实验结果表明，我们的方法在多种自由摆动的服装上表现出优越性，超过了现有方法。
clothing deformationsdynamic effectsspectrum-inspired learningfrequency-controllable attention mechanismsneural collision handling
发现论文，激发创造
  • 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

  • 通过变形分解生成模型实现宽松服装动画

    基于变形分解的服装生成模型，能够高效地模拟松散服装的变形，生成带有复杂姿势驱动的变形效果，并通过对高频皱纹的增强模块进行反对抗训练，实验结果表明该方法优于现有的数据驱动方法。

    Dec, 2023

  • 利用基于骨骼驱动的动作网络预测宽松服装的变形

    该研究通过骨骼运动网络来预测宽松服装网格的变形，包括低频和高频的变形，并可估算仿真参数变化引起的衣服变形，证明了该方法优于现有方法。

    May, 2022

  • 从单目视频中高质量可动画的动态服装重构

    首次提出从单目视频中恢复高质量可动态调整的服装的方法，通过可学习的服装变形网络和多假设变形模块实现，实验结果表明可生成具有连贯表面细节的高质量动态服装，并可在未见过的姿势下轻松实现动画效果。

    Nov, 2023

  • 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

  • DeePSD: 三维服装动画的自动深度蒙皮和姿态空间变形

    本研究通过深度学习提出了一种解决服装动画问题的新方法，可以对任何拓扑和几何复杂度的模板服装进行动画处理，并提出了一种补充有监督学习的无监督物理学习方法，以隐式解决碰撞和增强布料质量。

    Sep, 2020

  • TailorNet：利用人体姿势，形状和服装风格预测 3D 服装模型

    TailorNet 是一个用于预测三维服装变形的神经模型，它综合考虑了服装的姿态、形状和风格等因素，同时保留了皱纹细节。该模型采用了分解变形模型的方法，通过低频和高频组合预测服装形变，并且相比之前的模型，TailorNet 可以更快地提供更加真实的结果。

    Mar, 2020

  • 多层 3D 服装动画

    本文提出了一种名为 LayersNet 的数据驱动方法来对多层服装进行建模并以微物理系统中的粒子相互作用为驱动，引入一种新的旋转等效变换以更好地模拟外部力，最终通过一个包含 700K 帧的数据集 D-LAYERS 进行验证并展示出优异的表现。

    May, 2023

  • 基于神经网络的宽松服装处理方法

    通过使用实时数值算法来粗略地近似动态模式，然后使用神经网络重建表面并通过准静态神经网络添加高频变形，以实现对松散服装的实时性能改进。

    Apr, 2024