基于对应学习与网格细化的三维姿态迁移
计算机视觉与模式识别
2021-12-28 v6
摘要
三维姿态迁移是最具挑战性的三维生成任务之一。其旨在将源网格的姿态迁移到目标网格，并保持目标网格的identity（例如体型）。一些先前的工作需要关键点标注来建立源网格与目标网格之间可靠的对应关系，而另一些方法不考虑源与目标之间的任何形状对应，导致生成质量有限。在本工作中，我们提出一种对应细化网络，以实现人体与动物网格的三维姿态迁移。源网格与目标网格之间的对应关系首先通过求解最优传输问题建立。然后，我们根据稠密对应关系对源网格进行扭曲，获得一个粗糙的扭曲网格。该扭曲网格将通过我们提出的弹性实例归一化（Elastic Instance Normalization）得到更好的细化，这是一种条件归一化层，有助于生成高质量网格。大量实验结果表明，所提出的架构能有效地将姿态从源网格迁移到目标网格，并比最先进的方法产生具有令人满意视觉性能的更好结果。
引用
@article{arxiv.2109.15025,
title = {3D Pose Transfer with Correspondence Learning and Mesh Refinement},
author = {Chaoyue Song and Jiacheng Wei and Ruibo Li and Fayao Liu and Guosheng Lin},
journal= {arXiv preprint arXiv:2109.15025},
year = {2021}
}