PERGAMO：从单目视频中生成个性化 3D 服装

服装在数字人中扮演着基础角色。当前制作 3D 服装动画的方法大多基于真实的物理模拟，然而它们通常面临两个主要问题：高昂的计算运行时间成本阻碍了其发展；仿真与现实的差距 (simulation-to-real gap) 阻碍了特定真实世界布料样本的合成。为了规避这两个问题，我们提出了 PERGAMO，一种数据驱动的方法，用于从单目图像中学习 3D 服装的可变形模型。为此，我们首先引入一种新方法从单张图像重建服装的 3D 几何，并利用它从单目视频中构建服装数据集。我们使用这些 3D 重建结果来训练回归模型，该模型能够准确预测服装如何作为潜在身体姿态的函数进行变形。我们表明，我们的方法能够生成与真实世界行为相匹配的服装动画，并且能够泛化到从动作捕捉数据集中提取的未见过的身体动作。