融合多源属性的细节感知深度衣物动画

本文提出一种新颖的基于学习的衣物形变方法，为各种形状人体在各种动画中所穿衣物的丰富且合理的细节形变生成。与现有需要针对不同的衣物拓扑或姿态训练众多模型且难以轻松实现丰富细节的基于学习的方法不同，我们使用统一框架高效且轻松地生成高保真形变。为解决受多源属性影响的形变预测这一挑战性问题，我们从新视角提出三种策略。具体而言，我们首先发现衣物与人体的贴合度对褶皱程度有重要影响。随后我们设计了一个属性解析器以生成细节感知编码，并将其注入图神经网络，从而增强不同属性下细节的判别性。此外，为实现更好的收敛并避免过于平滑的形变，我们提出了输出重建以缓解学习任务复杂度。实验结果表明，我们所提形变方法在泛化能力与细节质量方面均优于现有方法。