Neural-GIF：用于服装人体动画的神经广义隐式函数
计算机视觉与模式识别
2021-08-23 v2
摘要
我们提出 Neural Generalized Implicit Functions（Neural-GIF），将服装中的人体动画表示为身体姿态的函数。给定某主体在各种姿态下的扫描序列，我们学习为新姿态动画化该角色。现有方法依赖于人体的（或服装的）基于模板的表示。然而此类模型通常具有固定且有限的分辨率，需要困难的数据预处理步骤，且无法用于复杂服装。我们从基于模板的方法汲取灵感，其将运动分解为关节运动与非刚性形变，但将这一概念推广到隐式形状学习以获得更灵活的模型。我们学习将空间中每一点映射到一个规范空间，在评估有符号距离场之前，于该空间施加学习的形变场以建模非刚性效应。我们的公式允许学习服装和软组织的复杂非刚性形变，而无需像当前方法那样计算模板配准。Neural-GIF 可在原始 3D 扫描上训练，并重建详细的复杂表面几何与形变。此外，该模型可泛化到新姿态。我们在来自不同公共数据集、具多样服装风格的各类角色上评估我们的方法，并在定量与定性上展示相较基线方法的显著改进。我们还将模型扩展到多形状设定。为促进进一步研究，我们将在 https://virtualhumans.mpi-inf.mpg.de/neuralgif/ 公开提供模型、代码与数据。
引用
@article{arxiv.2108.08807,
title = {Neural-GIF: Neural Generalized Implicit Functions for Animating People in Clothing},
author = {Garvita Tiwari and Nikolaos Sarafianos and Tony Tung and Gerard Pons-Moll},
journal= {arXiv preprint arXiv:2108.08807},
year = {2021}
}