CloSe：一个 3D 服装分割数据集与模型
计算机视觉与模式识别
2024-01-23 v1 人工智能
摘要
3D 服装建模和数据集在娱乐、动画和数字时尚行业中扮演着至关重要的角色。现有工作通常缺乏详细的语义理解或使用合成数据集，缺乏真实感和个性化。为了解决这个问题，我们首先引入了 CloSe-D：一个新颖的大规模数据集，包含 3167 个扫描的 3D 服装分割，涵盖 18 个不同的服装类别。此外，我们提出了 CloSe-Net，这是第一个基于学习的 3D 服装分割模型，用于从彩色点云进行细粒度分割。CloSe-Net 使用局部点特征、身体-服装关联性以及一个基于服装类别和点特征的注意力模块，其性能优于基线和先前的工作。所提出的注意力模块使我们的模型能够从数据中学习依赖于外观和几何形状的服装先验。我们通过成功分割公开可用的着装人物数据集，进一步验证了我们方法的有效性。我们还介绍了 CloSe-T，一个用于细化分割标签的 3D 交互式工具。在持续学习设置中将该工具与 CloSe-T 结合使用，证明了在真实世界数据上泛化能力的提升。数据集、模型和工具可在 https://virtualhumans.mpi-inf.mpg.de/close3dv24/ 找到。
引用
@article{arxiv.2401.12051,
title = {CloSe: A 3D Clothing Segmentation Dataset and Model},
author = {Dimitrije Antić and Garvita Tiwari and Batuhan Ozcomlekci and Riccardo Marin and Gerard Pons-Moll},
journal= {arXiv preprint arXiv:2401.12051},
year = {2024}
}