- Mani-GS: 三角网格的高斯飞溅操作
利用三角形网格直接操纵三维高斯喷洒,实现可操作的逼真渲染,并通过三角形形状感知的高斯绑定和自适应方法,实现三维高斯喷洒的操纵和保持高保真渲染。
- 心脏 Cine MRI 动态跟踪的低秩群组变形
提出一种新颖的方法,可以将一组或序列图像注册到目标图像,产生低秩的注册图像,与目标图像非常相似,并通过实验证据展示该方法在产生低秩群体变形方面的优越性。
- HeadEvolver: 基于局部可学习网格变形的文本到头像生成
HeadEvolver 是一个用于生成基于文本引导的风格化头像的新框架,通过使用本地可学习的网格变形从模板头部网格生成高质量的数字资产,以实现保留细节的编辑和动画效果。通过引入可训练参数作为每个三角形上的 Jacobian 权重因子,我们解 - STMPL:人体软组织模拟
人体软组织的非刚性变形模拟是在虚拟现实和游戏等应用中至关重要的,传统的有限元方法 (FEM) 过于缓慢和资源密集,本文提出了一种基于数据驱动的非刚性变形模拟器的统一表示方法,能够实现快速仿真真实交互。
- 基于网格的高斯映射在实时大规模变形中的应用
通过创新的基于网格的高斯喷洒(GS)表示方法,在保持高质量渲染结果的同时,实现了高质量的重构和有效的变形,每秒平均 65 帧。
- ShapeMaker:无监督联合形状规范化、分割、检索和变形
通过自监督学习,本文提出了 ShapeMaker,一个统一的形状规范化、分割、检索和变形的框架,通过提取点级别的仿射不变特征来规范化对象,预测语义一致的部分分割和对应的中心,聚合特征进行形状检索,然后使用神经笼变形将目标物体与检索到的形状进 - 服装恢复与形状和变形先验
我们提出了一种从现实世界图像中生成逼真服装模型的方法,不论服装的形状或变形如何,该方法利用从合成数据中学习的形状和变形先验准确地捕捉服装的形状和变形,包括较大的变形,并直接应用于动画和模拟等下游应用。
- DragD3D: 基于顶点编辑的实际网格变形,使用 2D 扩散先验
通过直接操作少量顶点,结合几何 ARAP 正则化器和基于大规模扩散模型的 2D 先验,我们提出了一种名为 DragD3D 的局部网格编辑方法,实现全局上下文感知的逼真变形。我们的研究表明,我们的变形方法比仅使用几何正则化器获得更好的结果,且 - CVPR零样板风格化三维角色非绑定姿势转移
本文提出了一种使用非样式化虚拟人形变形训练,再通过本文中引入的半监督形状理解和隐式姿态变形模块,实现对来自其他类型非样式化形体的样式化角色的姿态转移,实现无需标注对应点的零样本学习。同时,引入了一种基于体素的测试训练过程,加强了对四足动物类 - 红外与可见光图像配准的模态不变表示
本文提出了一种自适应场景红外和可见图像配准方法,其使用多模态传感器模块进行场景感知。该方法采用反演平移过程建立多模态图像的不变性域,并利用单应性对不同平面间的变形进行仿真,并通过残差估计、相关性搜索等方法实现更准确的匹配,最终验证了该方法的 - ECCV用笼子变形辐射场
本文提出了一种基于三角网格和笼状变形的方法,实现了光度场的自由形变,从而实现了可操纵和渲染的 3D 场景。
- CVPR视频模型中的独立帧间关注
本文提出一种名为 SIFA 的新型帧间注意力机制,能够有效地捕捉帧间形变信息,应用于 ConvNets 和 Vision Transformer 中成功构建 SIFA-Net 和 SIFA-Transformer,并在多个视频数据集上进行实 - CVPRDeepMetaHandles: 使用双调和坐标学习三维网格形变元处理
DeepMetaHandles 是一种基于网格变形的 3D 条件生成模型,通过学习每个形状的一组元句柄来分解所有可行的变形,并使用软光栅化器判别器来增强变形的合理性。
- i3DMM:人类头部深度隐式三维可变形模型
本文提出了首个深度隐式三维可微形变模型(i3DMM),该模型不仅捕捉了前部人脸的特定身份几何、纹理和表情,还模拟了包括头发在内的整个头部。使用一种新的设计,将形状与颜色分离来学习密集的对应关系,最终展示了 i3DMM 的优点及其应用。
- 3D 网格形状和姿态的无监督分离
本文提出了一种简单但有效的无监督学习方法,结合自一致性和交叉一致性约束,并将尽可能刚性形变集成到训练循环中,以学习体态模型中的形状和姿态空间,并演示了学习表示的实用性,包括姿势转移和形状检索,实验证明了该方法的通用性。
- ECCVNASA: 神经关节形状逼近
本文提出了一种名为神经关节形状逼近(NASA)的技术,它使用神经指示函数来高效表示关节变形对象,避免了由于网格和封闭性的复杂性所带来的问题,并实现了在三维跟踪应用中的有效性。