DSFFNet：用于三维姿态迁移的双边特征融合网络
计算机视觉与模式识别
2023-10-10 v2
摘要
为解决现有方法中姿态特征在前向传播时的姿态失真问题，本文提出一种用于姿态迁移的双边特征融合网络（DSFFNet）。首先，由姿态编码器从源网格中提取定长姿态码，并与目标顶点结合形成混合特征；然后，设计特征融合自适应实例归一化模块（FFAdaIN），该模块可同时处理姿态与身份特征，使姿态特征在逐层前向传播中得到补偿，从而解决姿态失真问题；最后，使用由该模块构成的网格解码器，将姿态逐步迁移至目标网格。在 SMPL、SMAL、FAUST 与 MultiGarment 数据集上的实验结果表明，DSFFNet 在保持更小网络结构、更强姿态迁移能力与更快收敛速度的同时成功解决了姿态失真问题，且可适应具有不同顶点数的网格。代码见 https://github.com/YikiDragon/DSFFNet
引用
@article{arxiv.2305.14951,
title = {DSFFNet: Dual-Side Feature Fusion Network for 3D Pose Transfer},
author = {Jue Liu},
journal= {arXiv preprint arXiv:2305.14951},
year = {2023}
}
备注
in Chinese language