ICCVAug, 2023

基于分层变形的小样本物理感知关节网格生成

PDF
TL;DR通过观察只有少数示例的关节物体数据集，我们提出了一种解决少样本关节网格生成问题的层次网格变形生成模型，通过从大规模刚性网格中借用可转移的变形模式来缓解少样本挑战，并通过物理感知的变形修正方案鼓励产生物理上合理的生成物。在 6 个关节类别上进行了广泛实验，证明了我们的方法在少样本环境中生成具有更好的多样性、更高的视觉保真度和更好的物理有效性的关节网格方面的优势。
发现论文，激发创造
  • 少样本三维形状生成

    通过利用先前训练好的生成模型，通过领域自适应的方式，基于有限数量的训练数据从而实现了少样本 3D 形状生成，该方法能够在保持多样性的同时避免过度拟合，并通过多种度量评估了生成的质量和多样性。

    May, 2023

  • 通过分层网格变形从单张图像中详细估计人体形状

    该论文提出了一种新的框架，利用深度神经网络和 Hierarchical Mesh Deformation 技术综合使用人体关节、轮廓和像素的着色信息，从而在单张图片中精确恢复人体形状。实验证明，我们的方法在 2D IoU 计算和 3D 距离计算的准确度上都优于现有的其他方法。

    Apr, 2019

  • Pixel2Mesh++: 多视角下基于变形的 3D 网格生成

    使用图卷积网络从多角度图像中预测一系列形状变形，以进一步提高 3D 网格表征的形状质量，从而获得高精确度、高可靠性且具有普适性的 3D 模型。

    Aug, 2019

  • HeadCraft: 建模用于动态三维面模型的高细节形状变化

    通过神经表征，当前人类头部建模的进展允许生成逼真的 3D 头部模型。然而，构建完整的高保真度头部模型，并在明确控制动画的同时保留细节仍然是一个问题。我们引入了一种生成模型，用于在可显式动画和高细节保存之间创建详细的 3D 头部网格。

    Dec, 2023

  • H3D-Net：小样本高保真 3D 头部重建

    本研究介绍了一种利用概率形状先验的坐标神经表示方法，结合隐式可微渲染，通过两阶段优化过程，成功实现了多视角三维重建中几乎与 3D 可塑性模型方法、视角较多时的非参数方法相当的高保真度的少视角全三维头部重建。

    Jul, 2021

  • 通过自适应分层变形实现人体姿势转换

    本文提出了一个基于两级分层变形的自适应人体姿态转移网络，使用门控卷积动态选择图像的重要特征并逐层自适应变形，通过更少的参数快速收敛并在服装纹理转移等任务中获得更好的性能。

    Dec, 2020

  • 三维关节对象无监督姿态感知部件分解

    本文提出了一种 PPD 方法，针对具有机械关节的人造关节物体，考虑零件姿态，利用类似的类别先前知识，实现对零部件的非原始隐式表示的无监督学习和零件姿态作为单帧形状监督下的关节参数的无监督学习，提高了关节物体的一致部件分解率。

    Oct, 2021

  • 从 3D 范围数据中恢复关节式物体模型

    本文介绍了一种基于无监督学习的算法，可以从 3D 点云数据中自动分解复杂的关节式物体模型，定位其各部分的位置，并还原其关节连接，方法通过无刚性变形技术配合 EM 算法和图像模型实现，可在避免局部最大值的情况下获取大量物体部分。

    Jul, 2012

  • 高效几何感知的三维生成对抗网络

    使用单视角 2D 照片集合进行高质量多视角一致的图片和 3D 形状的非监督生成一直是一个难题，本文提出了一种混合显式 - 隐式网络架构，用于提高 3D GANs 的计算效率和图像质量，实现了高分辨率实时多视角一致的图像合成，同时产生高质量的 3D 几何体。

    Dec, 2021

  • REACTO：从单个视频中重建关节化物体

    从单一视频中重构一般关节式 3D 物体的挑战已被克服，引入了新的变形模型，通过优化部件建模、加强刚性以及精确运动和无缝变形，提高了一般关节式物体的 3D 重建质量。

    Apr, 2024