HOOD：用于服装动力学广义建模的层次化图方法
计算机视觉与模式识别
2023-06-19 v3
摘要
我们提出一种利用图神经网络、多级消息传递与无监督训练的方法，以实现对真实服装动力学的实时预测。基于线性混合蒙皮的现有方法须针对特定服装训练，而我们的方法对人体形状无关，且适用于紧身服装以及宽松、自由飘动的衣物。我们的方法还在推理时处理拓扑变化（例如带纽扣或拉链的服装）与材料属性。作为一项关键贡献，我们提出了一种层次化消息传递方案，可高效传播刚性拉伸模态同时保留局部细节。我们通过实验定量表明，我们的方法优于强基线，且其结果被认为比最先进的方法更真实。
引用
@article{arxiv.2212.07242,
title = {HOOD: Hierarchical Graphs for Generalized Modelling of Clothing Dynamics},
author = {Artur Grigorev and Bernhard Thomaszewski and Michael J. Black and Otmar Hilliges},
journal= {arXiv preprint arXiv:2212.07242},
year = {2023}
}