Neural-ABC：着装铰接式人体的神经参数化模型

在本文中，我们介绍了 Neural-ABC，这是一种基于神经隐式函数的新型参数化模型，能够表示着装人体，并具有身份、服装、形状和姿态的解耦潜在空间。由于人体形状和服装风格的多样性以及姿态的复杂性，传统的基于网格的表示方法难以表示着装的铰接式身体。我们提出的模型为参数化建模提供了一个统一框架，可以表示着装人体的身份、服装、形状和姿态。我们提出的方法利用神经隐式函数的强大能力作为底层表示，并集成了精心设计的结构以满足必要要求。具体而言，我们将底层身体表示为符号距离函数，将服装表示为无符号距离函数，并且它们可以统一表示为无符号距离场。不同类型的服装不需要预定义的拓扑结构或分类，并且可以跟随底层身体的变化来贴合身体。此外，我们使用可控的铰接结构构建姿态。该模型在开放数据集和新建数据集上进行了训练，并且我们的解耦策略经过精心设计以确保最佳性能。我们的模型擅长在不同形状和姿态下解耦服装和身份，同时保留服装的风格。我们证明了 Neural-ABC 能够拟合不同类型服装的新观测。与其他最先进的参数化模型相比，Neural-ABC 在着装人体重建方面展现出强大优势，这可以通过拟合原始扫描、深度图和图像来证明。我们表明，可以通过调整拟合结果的属性（即其身份、服装、形状和姿态代码）来进一步编辑这些属性。