May, 2024

ContourCraft: 学习解决神经多服装模拟中的相交问题

PDF
TL;DR使用基于学习的方法解决神经布料模拟中的碰撞和交叉问题，通过引入一种新的碰撞轮廓损失函数与碰撞避免的排斥目标相结合，显著提高了学习模拟的碰撞处理能力，并产生了视觉上令人满意的结果。
发现论文，激发创造
  • 通过生成式三维服装模型实现自监督碰撞处理，用于虚拟试穿

    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

  • 通过流形感知变换器实现神经时装动力学

    利用基于数据驱动和学习的解决方案对动态服装进行建模，通过利用服装与人体之间的局部交互来模拟服装的动态特性。研究采用了面向网格的服装表示和流形感知的转换器网络设计，能够适应不同的服装和人体形状。通过广泛的实验评估，取得了与现有技术相比具有竞争力的定性和定量结果。

    May, 2024

  • SENC: 处理神经布料模拟中的自碰撞

    SENC 是一种新颖的自监督神经布料模拟器，通过全局交叉分析、自碰撞感知的图神经网络和外力模拟，成功降低了布料自碰撞并保持高质量的动画结果。

    Jul, 2024

  • 一种基于物理的深度学习框架用于布料模拟

    通过物理嵌入学习框架，使用卷积神经网络代表物体之间的空间相关性，并通过三个分支学习布料物理的线性、非线性和时间导数特征，模型通过与传统模拟器或子神经网络相结合，测试在不同的布料动画案例中达到与基准值的一致性和预测的真实性，同时提高了推理效率，可与其他视觉细化技术整合应用于三维布料动画。

    Mar, 2024

  • FLARE: 快速学习可动态和可照明的网格化角色

    我们提出了一种从单一单目视频中学习可个性化动画的、具有几何精度、逼真性、可重新照明性并且与当前渲染系统兼容的 3D 头像人物模型的高效方法。

    Oct, 2023

  • NeuralTailor：从服装的 3D 点云中重建缝纫图案结构

    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

  • 全卷积图神经网络用于参数虚拟试穿

    提出了一种基于全卷积图神经网络的学习方法，用于虚拟试穿应用。该方法可以适用于许多服装类型，并使用几何深度学习方法对 3D 服装进行拟合。通过对目标物体形状和材料进行建模，我们的模型学习了更精细的细节，提高了试穿模型的性能。

    Sep, 2020

  • 从单张图片中重建互动多人穿着的 3D 模型

    本文介绍了一种重建单张图像中多人穿着服装的相互作用几何结构的新型流程。通过利用两个人体先验来解决遮挡带来的挑战，使用几何先验和表面接触先验，在场景空间中全局细化人体姿态，实现无穿透的准确重建。与现有方法相比，结果表明我们的方法具有完备性、全局一致性和物理可行性。

    Jan, 2024

  • DeepCloth: 基于神经网络的服装表征方法用于形状和风格编辑

    本文提出了 DeepCloth，它是一个针对服装表示、重建、动画和编辑的统一框架，它包含了三个组件：拓扑感知的 UV 位置图、连续特征空间中的嵌入和服装动画方法。这个方法可以实现更加灵活、通用的 3D 服装数字化框架。

    Nov, 2020

  • DIG: 在人体上覆盖隐式服装

    我们提出了一种使用隐式曲面表示衣服、学习受关节体模型形状和姿势参数影响的蒙皮场的端到端可微管道来处理任意拓扑衣物的方法，并提出了一种防止体 - 衣物相互穿插和减少艺术品的预处理策略和新的训练损失。经实验证明，我们的方法相比于现有的方法，可以更准确地重建和变形服装，并且可以通过图像观测共同恢复身体和服装参数。

    Sep, 2022