Garment4D：基于点云序列的服装重建
计算机视觉与模式识别
2021-12-09 v1
摘要
学习重建三维服装对于为不同姿态的不同形状的三维人体进行着装至关重要。以往的工作通常依赖二维图像作为输入，然而这存在尺度和姿态的歧义性。为了避免二维图像引起的问题，我们提出了一个原则性框架 Garment4D，该框架使用着装人体的三维点云序列进行服装重建。Garment4D 包含三个专用步骤：序列服装配准、标准服装估计和姿态服装重建。主要挑战有两方面：1）用于精细细节的有效三维特征学习，以及 2）捕获由服装与人体交互引起的服装动态，特别是对于裙子等宽松服装。为了解决这些问题，我们引入了一种新颖的提议引导的分层特征网络和迭代图卷积网络，它们整合了高层语义特征和低层几何特征以进行精细细节重建。此外，我们提出了一个时序 Transformer 用于平滑的服装运动捕获。与非参数化方法不同，我们的方法重建的服装网格与人体可分离，并具有很强的可解释性，这对于下游任务是可取的。作为该任务的首次尝试，通过大量实验定性和定量地展示了高质量的重建结果。代码可在 https://github.com/hongfz16/Garment4D 获取。
引用
@article{arxiv.2112.04159,
title = {Garment4D: Garment Reconstruction from Point Cloud Sequences},
author = {Fangzhou Hong and Liang Pan and Zhongang Cai and Ziwei Liu},
journal= {arXiv preprint arXiv:2112.04159},
year = {2021}
}
备注
Accepted to NeurIPS 2021. Project Page: https://hongfz16.github.io/projects/Garment4D.html . Codes are available: https://github.com/hongfz16/Garment4D