一种用于关节化手的骨架驱动神经占据表示
计算机视觉与模式识别
2021-09-24 v1
摘要
我们提出 Hand ArticuLated Occupancy (HALO)，一种新颖的关节化手表示，它桥接了 3D 关键点和神经隐式表面的优势，并可用于端到端可训练的架构。与现有的统计参数化手模型（如 MANO）不同，HALO 直接以 3D 关节骨架作为输入，并生成表示姿态化手表面的神经占据体。HALO 的主要优势在于：(1) 它由 3D 关键点驱动，在精度方面具有优势，且比隐式手模型参数更易于神经网络学习；(2) 它提供姿态化手的可微体积占据表示；(3) 它可端到端训练，允许在手表面上定义损失从而有益于 3D 关键点的学习。我们展示了 HALO 在抓取 3D 物体的条件化手生成任务中的适用性。HALO 的可微特性被证明能在物理合理性和用户偏好两方面提升合成手的质量。
引用
@article{arxiv.2109.11399,
title = {A Skeleton-Driven Neural Occupancy Representation for Articulated Hands},
author = {Korrawe Karunratanakul and Adrian Spurr and Zicong Fan and Otmar Hilliges and Siyu Tang},
journal= {arXiv preprint arXiv:2109.11399},
year = {2021}
}