MimiCAT：用于类别无关 3D 姿态迁移的对应感知级联变换器
计算机视觉与模式识别
2026-03-26 v2 图形学
摘要
3D 姿态迁移旨在将源网格的姿态风格迁移到目标角色上，同时保持目标的几何和源的姿态特征。现有方法主要局限于结构相似的角色，无法在类别无关的设置下（例如，将人类姿态迁移到四足动物）进行泛化。关键挑战在于不同角色类型的结构和转换的多样性，常导致区域不匹配和效果不佳。为此，我们首先构建了一个覆盖数百种不同角色的百万级姿态数据集。进一步提出 MimiCAT，一个为类别无关 3D 姿态迁移设计的级联变换器模型。不依赖严格的一对一对应映射，MimiCAT 利用语义关键点标签学习一种新颖的软对应，实现跨角色的灵活的多对多匹配。姿态迁移随后被建模为条件生成过程，其中源变换首先通过软对应匹配投射到目标上，然后通过受几何条件约束的表示进行细化。广泛的定性和定量实验表明，MimiCAT 能跨越多样化的角色形态生成合理的姿态，超越了仅限于狭窄类别迁移（例如人类到人类）的先前方法。
引用
@article{arxiv.2511.18370,
title = {MimiCAT: Mimic with Correspondence-Aware Cascade-Transformer for Category-Free 3D Pose Transfer},
author = {Zenghao Chai and Chen Tang and Yongkang Wong and Xulei Yang and Mohan Kankanhalli},
journal= {arXiv preprint arXiv:2511.18370},
year = {2026}
}
备注
Accepted to CVPR 2026. Project page: https://mimicat3d.github.io/