利用本征属性实现非刚性服装对齐
计算机视觉与模式识别
2023-08-21 v1
摘要
我们解决了服装真实世界 3D 数据的对齐问题，这有益于纹理学习、物理参数估计、服装生成建模等诸多应用。现有的外在方法通常执行非刚性迭代最近点，并因错误的最近匹配和刚性约束而难以对齐细节。而基于函数映射的本征方法虽能产生高质量对应，但其基于等距假设，对于高度非等距的服装形变会变得不可靠。为实现褶皱级以及纹理级对齐，我们提出了一种新颖的由粗到精两阶段方法，该方法分别利用 3D 空间和本征空间中的两个神经形变场来借助本征流形属性。粗阶段执行 3D 拟合，其中我们利用本征流形属性来定义流形形变场。该粗拟合进而诱导出一个产生本征嵌入对齐的函数映射。我们进一步用第二个神经形变场细化本征对齐以提高精度。我们使用所采集的服装数据集 GarmCap 评估了我们的方法。该方法实现了准确的褶皱级和纹理级对齐，并适用于长外套等困难服装类型。我们的项目页面为 https://jsnln.github.io/iccv2023_intrinsic/index.html。
引用
@article{arxiv.2308.09519,
title = {Leveraging Intrinsic Properties for Non-Rigid Garment Alignment},
author = {Siyou Lin and Boyao Zhou and Zerong Zheng and Hongwen Zhang and Yebin Liu},
journal= {arXiv preprint arXiv:2308.09519},
year = {2023}
}
备注
Accepted to ICCV 2023