多服装网络：从图像学习为三维人体着装

我们提出多服装网络（MGN），一种从视频的若干帧（1-8）预测身体形状和服装并分层叠加于 SMPL 模型之上的方法。多个实验表明，与形状的单网格或体素表示相比，该表示允许更高水平的控制。我们的模型允许预测服装几何、将其与身体形状关联，并将其迁移至新的身体形状和姿态。为训练 MGN，我们利用一个包含 712 件对应数字服装的数字衣橱，这些服装通过一种将一组服装模板配准到不同服装和姿态下真实三维人体扫描数据集的新方法获得。来自数字衣橱的服装，或由 MGN 预测的服装，可用于为任意姿态下的任何身体形状着装。我们将公开数字衣橱、MGN 模型以及用服装为 SMPL 着装的代码。