UNIC：用于实时穿衣角色动画的神经服装变形场
计算机视觉与模式识别
2026-03-27 v1
摘要
模拟物理真实的服装变形是虚拟沉浸式体验的关键任务，通常通过物理仿真方法实现。然而，这些方法通常耗时、计算密集且需要昂贵的硬件，不适合实时应用。近期的基于学习的方法尝试通过训练图神经网络来学习顶点处的服装变形，但它们无法捕捉具有复杂拓扑的复杂服装网格的精细变形。本文提出了一种新颖的基于神经变形场的方法UNIC，用于根据运动序列实时动画化虚拟角色的服装。我们的关键思想是学习实例特定的神经变形场来动画化服装网格。这种实例特定的学习方案不要求UNIC泛化到新服装，而仅需泛化到新的运动序列，这大大降低了训练难度并提高了变形质量。此外，神经变形场将三维点映射到其变形偏移，这不仅避免了对复杂服装拓扑的处理，还在变形学习中注入了自然的平滑性约束。我们在各种类型的服装网格上进行了大量实验，以证明UNIC相对于基线方法的有效性和效率，使其可能在视频游戏等真实世界交互应用中具有实用价值。
引用
@article{arxiv.2603.25580,
title = {UNIC: Neural Garment Deformation Field for Real-time Clothed Character Animation},
author = {Chengfeng Zhao and Junbo Qi and Yulou Liu and Zhiyang Dou and Minchen Li and Taku Komura and Ziwei Liu and Wenping Wang and Yuan Liu},
journal= {arXiv preprint arXiv:2603.25580},
year = {2026}
}
备注
Project page: https://igl-hkust.github.io/UNIC/