面向高质量 3D 动作迁移的实用：逼真的服装动画

为影视和游戏行业中的角色动画化匹配参考动作序列是一项高度需求的任务。现有方法主要关注角色身体的刚性变形，忽略了由物理动力学驱动的服装局部变形。它们对服装和身体采用相同的变形方式，导致细节有限且出现不真实的痕迹，例如身体与服装的穿透。相反，我们提出了一种旨在实现高质量动作迁移并实现逼真服装动画的新方法。由于现有数据集缺乏生成逼真服装动画所必需的注释信息，我们构建了一个名为 MMDMC 的新数据集，该数据集将来自 MikuMikuDance 社区的风格化角色与真实世界运动捕捉数据相结合。随后，我们提出了一个数据驱动的管道，通过两个神经变形模块来学习分离身体和服装的变形。对于身体部分，我们提出了一条测地注意力块，有效地将语义先验纳入到骨骼身体变形中，以处理风格化角色的复杂身体形状。由于服装运动可能显著偏离相应的身体关节，我们提出在其历史状态条件下对服装变形进行非线性顶点位移场建模。广泛的实验表明，我们的方法在各种类型的服装上 produces superior quality results。我们的 dataset 在 https://github.com/rongakowang/MMDMC 上发布。