面向神经网络布料的三维空间参数化蒙皮
计算机视觉与模式识别
2020-06-11 v1
摘要
我们提出了一种新颖的布料形变学习框架，通过将虚拟布料嵌入到对底层身体周围空气体积区域进行参数化的四面体网格中。为了在角色动画过程中保持该体积参数化，四面体网格被约束为随身体表面形变而跟随。我们将布料网格顶点嵌入到该三维空间参数化中，以自动捕获由关节旋转和碰撞引起的大部分非线性形变。然后我们训练一个卷积神经网络，通过学习每个骨骼姿态的布料嵌入偏移来恢复真实形变。我们的实验表明，无论是定量还是视觉上，相较于从身体表面参数化学习布料偏移均有显著提升，现有最优方法的平均误差比我们的高出五个标准差。此外，我们的结果证明了一种通用学习范式的有效性，即高频细节可嵌入到低频参数化中。
引用
@article{arxiv.2006.04874,
title = {Skinning a Parameterization of Three-Dimensional Space for Neural Network Cloth},
author = {Jane Wu and Zhenglin Geng and Hui Zhou and Ronald Fedkiw},
journal= {arXiv preprint arXiv:2006.04874},
year = {2020}
}