面向基于点的着装人体建模的隐式模板学习
计算机视觉与模式识别
2022-07-15 v1
摘要
我们提出 FITE，一种先隐式后显式（First-Implicit-Then-Explicit）的着装人体化身建模框架。我们的框架首先学习表示粗糙服装拓扑的隐式表面模板，然后利用这些模板引导点集的生成，以进一步捕捉如皱纹等依赖姿态的服装形变。我们的流程结合了隐式与显式表示的优点，即处理变拓扑的能力与高效捕捉细节的能力。我们还提出扩散蒙皮（diffused skinning）以促进尤其针对宽松服装的模板训练，以及基于投影的姿态编码（projection-based pose-encoding）以从网格模板中提取姿态信息而无需预定义 UV 贴图或连通性。我们的代码公开于 https://github.com/jsnln/fite。
引用
@article{arxiv.2207.06955,
title = {Learning Implicit Templates for Point-Based Clothed Human Modeling},
author = {Siyou Lin and Hongwen Zhang and Zerong Zheng and Ruizhi Shao and Yebin Liu},
journal= {arXiv preprint arXiv:2207.06955},
year = {2022}
}
备注
Accepted to ECCV 2022