TightCap：基于衣物紧度场的 3D 人体形状捕捉

在本文中，我们提出 TightCap，一种数据驱动的方案，仅使用单次 3D 人体扫描即可准确捕捉人体形状与着装衣物，从而支持虚拟试穿、生物特征识别和体型评估等众多应用。为打破人体姿态与衣物之间的剧烈变化，我们提出对衣物紧度——即从衣物到人体形状的位移——在全局 UV 纹理域中隐式建模。为此，我们利用增强的统计人体模板与有效的多阶段对齐方案，将 3D 扫描映射为混合 2D 几何图像。基于该 2D 表示，我们提出一种新颖框架，通过一种新的紧度表述预测衣物紧度，并采用一种有效的优化方案，在各种服装类别与人体姿态下进一步重建多层人体形状与衣物。我们进一步提出一个新的衣物紧度数据集（CTD），包含多种服装风格、姿态及对应真实人体形状的扫描数据，以促进进一步研究。大量实验证明了我们的 TightCap 在实现高质量人体形状与着装衣物重建方面的有效性，以及其在衣物分割、重定向和动画方面的进一步应用。