SPAMs：结构化隐式参数化模型

参数化 3D 模型在建模可变形物体（如人体、面部和手）方面发挥了基础性作用；然而，此类参数化模型的构建需要大量人工干预和领域专业知识。近来，神经隐式 3D 表示在捕捉 3D 形状几何方面表现出极强的表达能力。我们观察到可变形物体的运动通常具有语义结构，因此提出学习结构化隐式参数化模型（SPAMs）作为一种可变形物体表示，该表示将非刚性物体运动结构性地分解为基于部件的形状与姿态解耦表示，且各自由深度隐式函数表示。这使得对物体运动的结构化刻画成为可能，其中部件分解刻画了一个低维空间，我们可以在其中建立粗略的运动对应。特别地，我们可以在测试时利用部件分解来拟合未观测形状的新深度序列，通过在输入观测与我们学习的部件空间之间建立部件对应；这引导了所有部件的形状与姿态之间的鲁棒联合优化，即使在剧烈运动序列下也是如此。实验表明，我们的部件感知形状与姿态理解在复杂可变形物体运动深度序列的重建与跟踪中取得了最先进的性能。我们计划在 https://pablopalafox.github.io/spams 公开发布模型。