STMPL:人体软组织模拟
本文提出了 SoftSMPL,一种基于学习的方法,用于以身体形状和动作作为函数来建模逼真的软组织动力学,具有比现有技术更好的通用性,运用了新颖的运动描述符、神经网络的基于循环的回归器和高效的非线性变形子空间。
Apr, 2020
本研究提出了一种新的深度学习网络,用于将 3D 模型转换为逼真的照片,旨在弥合现有深度生成模型不能灵活控制的瓶颈问题,同时也改善了传统三维图形处理渲染机制的不足之处。
Aug, 2020
我们提出了一种新颖的虚拟人物表示方法,用于高度逼真的实时动画和渲染 3D 应用程序。我们从最先进的多视角视频重建中获取高精度的动态网格序列,学习姿态相关的外观和几何形状,并利用统计身体模型来限制搜索空间,以实现更高效、有针对性的学习和定义姿态依赖性。通过在 SMPL 模型的一致 UV 空间中学习观察到的几何与拟合的 SMPL 模型之间的差异,我们能够在模型中编码姿态相关的外观和几何形状,从而不仅保证了较高水平的真实感,还促进了虚拟人物的实时处理和渲染。
Oct, 2023
提出一种新方法,基于动态表面函数网络,利用单目 RGB-D 序列学习个体化身体模型,并使用人体表面多层感知器(MLP)来重构为具有时间连贯性的网格序列并合成姿态依赖性动画。
Apr, 2021
本研究提出了一种基于 DeepCut 和 SMPL 模型的 3D 姿态估计方法,能够从单张无约束的图像中自动预测人体的姿态和形状,实现了对人体结构和运动的精确推断。
Jul, 2016
本研究提出了一种比 SMPL 更为优秀的 3D 人体姿态和形状估计、合成和分析方法 STAR,通过每个关节的姿势修正和基于身体姿势和 BMI 的形状相关姿势修正深度学习而得,同时通过对较多女性和男性对象的训练提高了模型的推广和应用性。
Aug, 2020
使用多视角图像建议一种可伸缩的神经网络框架来重建 SMPL 模型子空间中的人体 3D 网格,并在现实图像上表现优异,特别是在形状估计方面。
Aug, 2019
通过在潜在扩散框架中利用 3D 人体参数模型,介绍了一种人像动画的方法,以增强当前人体生成技术中的形状对齐和运动引导,通过捕捉源视频中的复杂人体几何和运动特征,利用深度图像、法线图和语义图来丰富潜在扩散模型的综合三维形状和详细姿势属性的条件,通过多层运动融合模块在空间域中融合形状和运动潜在表示,并通过以 3D 人体参数模型作为运动引导来执行参变形对齐,实验证明该方法能够生成准确捕捉姿势和形状变化的高质量人体动画,并且在所提出的数据集上具有优越的泛化能力。
Mar, 2024
本文使用图像到图像翻译方法在 SMPL 模型的 UV 空间中推断纹理和几何学,以此预测人物的完整三维化身。通过此方法,我们得到的预测纹理和几何学可以应用到 SMPL 模型上,从而自然地对新的姿势、形状和衣物进行推广。
Aug, 2019