具有可学习形状控制的深度可变形三维漫画
计算机视觉与模式识别
2022-08-01 v1 图形学
摘要
三维漫画是人脸的夸张三维描绘。本文的目标是在一个紧凑的参数空间中建模三维漫画的变化，从而提供一个有用的数据驱动工具包来处理三维漫画形变。为实现该目标，我们提出了一种基于 MLP 的框架来构建可变形表面模型，该框架接受潜码并生成三维表面。在该框架中，一个 SIREN MLP 建模一个函数，该函数接受固定模板表面上的三维位置并返回该输入位置的三维位移向量。我们通过学习一个超网络来创建三维表面的变化，该超网络接受潜码并生成 MLP 的参数。一旦学习完成，我们的可变形模型为三维漫画提供了一个良好的编辑空间，支持基于标签的语义编辑和基于点手柄的形变，二者均能生成高度夸张且自然的三维漫画形状。我们还展示了可变形模型的其他应用，如自动三维漫画生成。
引用
@article{arxiv.2207.14593,
title = {Deep Deformable 3D Caricatures with Learned Shape Control},
author = {Yucheol Jung and Wonjong Jang and Soongjin Kim and Jiaolong Yang and Xin Tong and Seungyong Lee},
journal= {arXiv preprint arXiv:2207.14593},
year = {2022}
}
备注
ACM SIGGRAPH 2022. For the project page, see https://ycjungsubhuman.github.io/DeepDeformable3DCaricatures