用于动画与运动重定向的分层神经隐式姿态网络
计算机视觉与模式识别
2021-12-03 v1 图形学
机器学习
摘要
我们提出HIPNet,一种在多种姿态下跨多个受试者训练的神经隐式姿态网络。HIPNet能够将受试者特定细节与姿态特定细节解耦,有效地使我们能够将运动从一受试者重定向到另一受试者,或通过潜空间插值实现关键帧之间的动画。为此,我们采用基于分层骨架的表示,在规范未姿态化空间上学习有符号距离函数。这种基于关节的分解使我们能够表示身体关节周围空间中局部的细微细节。与之前需要真值SDF用于训练的神经隐式方法不同,我们的模型训练仅需姿态化骨架和点云,且不依赖于传统参数化模型或传统蒙皮方法。我们在各种单受试者和多受试者基准上取得了最先进的结果。
引用
@article{arxiv.2112.00958,
title = {Hierarchical Neural Implicit Pose Network for Animation and Motion Retargeting},
author = {Sourav Biswas and Kangxue Yin and Maria Shugrina and Sanja Fidler and Sameh Khamis},
journal= {arXiv preprint arXiv:2112.00958},
year = {2021}
}