从皮肤到骨架：面向生物力学精准3D数字人类的探索

在通过训练神经网络直接回归参数化人类模型（如 SMPL）的姿态和形状参数来估计3D人类姿态和形状方面取得了很大进展。然而，现有的身体模型具有简化的运动学结构，这些结构不对应于人类骨骼系统的真实关节位置和关节，限制了其在生物力学中的潜在应用。另一方面，估计生物力学准骨骼运动的方法通常依赖复杂的运动捕捉系统和昂贵的优化方法。有需的是一种具有生物力学准确骨骼结构的可易于姿态化的参数化3D人类模型。为此，我们开发了 SKEL，通过重新为 SMPL 人体模型配备生物力学骨骼来实现这一目标。为此，我们需要来自 AMASS 数据集中处于不同姿态下的 SMPL 网格内骨骼的数据。我们通过优化来自 AMASS 序列的 SMPL 网格内的生物力学准确骨骼来构建此类数据集。随后，我们学习从 SMPL 网格顶点到优化关节位置和骨头旋转的回归器。最后，我们使用新的运动学参数重新参数化 SMPL 网格。 resulting SKEL 模型像 SMPL 一样可动画，但具有更少且生物力学真实的自由度。我们展示了 SKEL 比 SMPL 更准确的关节位置，骨头在身体表面内的适配性优于以前的方法。通过将 SKEL 拟合到 SMPL 网格，我们能够“升级”现有的用于人体姿态和形状的数据集以包含生物力学参数。SKEL 为在野外实现生物力学提供了新工具，同时为视觉和图形学研究人员提供了更受约束且更真实的人类关节模型。该模型、代码和数据可在 https://skel.is.tue.mpg.de 供研究使用。