学习为三维人体生成式地着装
计算机视觉与模式识别
2020-05-25 v3 图形学
摘要
三维人体模型广泛用于人体姿态与运动分析。然而，现有模型从近乎裸体的三维扫描中学习，因而不能推广到常见图像与视频中着衣人群的复杂性。此外，当前模型缺乏表示姿态相关衣物形状复杂非线性几何所需的表达能力。为此，我们从具有不同姿态与衣物的三维扫描中学习一个着衣人体的生成式三维网格模型。具体地，我们训练一个条件 Mesh-VAE-GAN 来从 SMPL 身体模型学习衣物形变，使衣物成为 SMPL 中的附加项。我们的模型以姿态与衣物类型为条件，能够绘制衣物样本以多种风格与姿态为不同体型着装。为保留褶皱细节，我们的 Mesh-VAE-GAN 将逐块判别器扩展到三维网格。我们的模型名为 CAPE，表示全局形状与精细局部结构，有效将 SMPL 身体模型扩展到衣物。据我们所知，这是首个直接为三维人体网格着装并推广到不同姿态的生成式模型。模型、代码与数据可用于研究目的，见 https://cape.is.tue.mpg.de。
引用
@article{arxiv.1907.13615,
title = {Learning to Dress 3D People in Generative Clothing},
author = {Qianli Ma and Jinlong Yang and Anurag Ranjan and Sergi Pujades and Gerard Pons-Moll and Siyu Tang and Michael J. Black},
journal= {arXiv preprint arXiv:1907.13615},
year = {2020}
}
备注
CVPR-2020 camera ready. Code and data are available at https://cape.is.tue.mpg.de