点云在建模着衣人体中的威力

目前，要创建能够自然运动的、具有逼真衣物的3D人体化身，仍需依赖艺术家。尽管在人体的3D扫描与建模方面取得了进展，但仍没有技术能将静态扫描轻松转化为可动画的化身。自动化此类化身的创建将赋能游戏、社交网络、动画和AR/VR等诸多应用。关键问题在于表征方式。标准3D网格在建模极简着装人体时被广泛使用，但难以直接捕捉衣物复杂的拓扑结构。近期兴趣已转向隐式曲面模型来完成此任务，但它们计算开销大且与现有3D工具缺乏兼容性。我们需要的是一种能够在高分辨率下捕捉多变拓扑、且可从数据中学习的3D表征。我们认为这种表征一直就在我们身边——点云。点云兼具隐式与显式表征的特性，我们利用这些特性来建模人体上的3D衣物几何。我们训练了一个带有新颖局部衣物几何特征的神经网络来表示不同服装的形状。该网络从多种体型、多种姿态下多类衣物的3D点云中学习，并学会建模依赖于姿态的衣物形变。该几何特征可被优化以拟合先前未见过的着衣人体扫描，从而使扫描能够逼真地重新摆姿。我们的模型在多服装建模与未见服装动画方面均展示了优越的定量与定性结果。代码已提供用于研究目的。