NGD：基于神经梯度的单目服装变形重建
计算机视觉与模式识别
2025-08-26 v1
摘要
从单目视频中动态服装重建是一个重要但具有挑战性的任务，由于服装的复杂动态和不受约束的特性。最近的神经渲染技术使得能够获得高质量的几何重建，但隐式表示方法使用体积渲染往往提供平滑的几何，并无法建模高频细节。而模板重建方法建模显式几何，但使用顶点位移进行变形，导致出现artifacts。为了解决这些限制，我们提出NGD，即Neural Gradient-based Deformation方法，用于从单目视频中重建动态演化的带纹理服装。此外，我们提出了一种新颖的自适应重网格策略，用于建模像裙子这样动态演化的表面，如皱褶和褶皱，导致高质量的重建。最后，我们学习动态纹理图以捕获每帧的光照和阴影效果。我们提供了大量的定性和定量评估，以显示相对于现有SOTA方法的显著改进，并提供高质量的服装重建。
引用
@article{arxiv.2508.17712,
title = {NGD: Neural Gradient Based Deformation for Monocular Garment Reconstruction},
author = {Soham Dasgupta and Shanthika Naik and Preet Savalia and Sujay Kumar Ingle and Avinash Sharma},
journal= {arXiv preprint arXiv:2508.17712},
year = {2025}
}