动画网格的时间参数无关深度蒙皮

在计算机图形学中，动画压缩对于动画网格的高效存储、流式传输和复现至关重要。先前的工作通过基于顶点随时间几何特征聚类的顶点来推导蒙皮变换和权重，提出了高效的压缩技术。在本工作中，我们提出了一种新方法，该方法将顶点分配给骨骼影响聚类，并利用深度学习通过由顶点轨迹（时间顶点序列）与从完全绑定的动画角色中提取的相应权重组成的训练集来推导权重。所得到的线性混合蒙皮方案的近似误差显著低于已有成熟方法的误差，同时生成的骨骼数量最少。此外，由于在多维变量空间中初始定位更好，最优变换和顶点集在更少迭代中即可推导出来。我们的方法在整个网格动画序列压缩过程中无需用户确定或调整任何参数。