SkinningNet：用于合成角色蒙皮权重预测的双流图卷积神经网络
计算机视觉与模式识别
2022-04-07 v2 人工智能
机器学习
摘要
本工作提出SkinningNet，一种端到端双流图神经网络架构，可从输入网格及其关联骨架计算蒙皮权重，且不对所提供的网格的形状类别与结构作任何假设。先前的方法预先计算关联网格与骨架的手工特征或假设骨架的固定拓扑，而所提方法通过联合学习网格顶点与骨架关节之间的最佳关系，以端到端可学习的方式提取该信息。该方法利用了新颖的多聚合器图卷积（Multi-Aggregator Graph Convolution）的优势，其在消息传递方案的汇总步骤中组合不同聚合器的结果，有助于该操作对未见拓扑的泛化。实验结果证明了我们新颖架构各贡献的有效性，SkinningNet优于当前最先进的替代方法。
引用
@article{arxiv.2203.04746,
title = {SkinningNet: Two-Stream Graph Convolutional Neural Network for Skinning Prediction of Synthetic Characters},
author = {Albert Mosella-Montoro and Javier Ruiz-Hidalgo},
journal= {arXiv preprint arXiv:2203.04746},
year = {2022}
}
备注
CVPR 2022