ETCH: 通过等变紧致性泛化身体拟合到穿衣人物

拟合三维穿衣人物点云到身体是一个常见但具有挑战性的任务。传统优化方法使用多阶段管道，对姿态初始化敏感，而近期学习方法往往难以在多样化姿态和服装类型之间实现泛化。我们提出Equivariant Tightness Fitting for Clothed Humans，即等变紧致性拟合，或ETCH，一种新型管道，通过局部近似SE(3)等变性估计服装到身体表面的紧致映射，将紧致性编码为从服装表面到底部身体的位移向量。遵循此映射，姿态不变的身体特征回归稀疏身体标记，将穿衣人物拟合简化为内部分身标记拟合任务。在CAPE和4D-Dress上的大规模实验表明，ETCH显著优于最先进的方法——既包括紧致性不敏感也包括紧致性敏感的模型——在松装服装的身体拟合精度上提升16.7%~69.5%，在形状精度上平均提升49.9%。我们的等变紧致性设计甚至能在单次(或外分布)设置中(~1%数据)将方向误差降低67.2%~89.8%。定性结果表明，ETCH在面对挑战性姿态、未见形状、松装服装和非刚性动态时具有强大的泛化能力。我们将很快在https://boqian-li.github.io/ETCH/上发布代码和模型供研究使用。