服装恢复与形状和变形先验
通过添加基于扩散的形变先验来建模衣物的形状,并利用隐式缝合图案(ISP)模型,从不完整的三维点云中恢复三维衣物形状,实验结果表明我们的方法在处理衣物的非刚性变形时具有更高的重建精度。
May, 2024
本研究提出了一种从单张照片中生成人体服装真实 3D 模型的算法,该算法可以还原出服装的全局形态、几何信息和细节,结合参数估计、语义分析和物理模拟等技术,可应用于虚拟试穿、服装转化、数字人物的服装动画等领域。
Aug, 2016
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
使用扩散模型学习的形状先验和基于学习的功能映射的多阶段引导方案,实现了纹理不可见衣物的准确表面配准,对于大规模变形的稳定配准效果优于基于 VAE 或 PCA 先验的表面配准,并且在插值和外推测试中优于基于优化和学习的非刚性配准方法。
Nov, 2023
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
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
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
该研究论文介绍了使用服装缝合图案和面向点的注意力模型 NeuralTailor,来解决在 SocialVR、表演捕捉和虚拟试衣等领域中,虚拟世界中真实服装重建的挑战。
Jan, 2022