CG 群体的机器学习变形器实现：我们的之旅
计算机视觉与模式识别
2025-10-29 v3
摘要
CG 群体过去十年来在特效和动画行业变得越来越流行：此前仅限于少数高端工作室和大片，如今已广泛用于电视节目或广告。尽管如此,仍有一个主要局限性：为了正确地被群体软件消化,工作室人形必须满足特定的先决条件，尤其是变形方面的。通常只支持皮肤、混合形状和几何缓存，这防止了在群体角色上进行面部表演的近距离镜头。我们设想了两种方法来解决这个问题：要么逆向工程主要 DCC/插件中可用的数百个变形节点并将其纳入我们的群体软件包，要么涉足机器学习浪潮，使用神经网络架构压缩人形的变形。鉴于我们无法为这一问题投入 5 年以上的开发时间，并且我们对机器学习浪潮充满兴趣，我们选择了后者。在从最初的测试到最小可行产品的过程中,我们经历了希望与失望：在抵达目的地之前,我们 hit 了多个障碍,采取了错误的捷径和死胡同。通过本文,我们希望分享我们从这一经历中所学的宝贵经验教训。
引用
@article{arxiv.2406.09782,
title = {Unsupervised Monocular Depth Estimation Based on Hierarchical Feature-Guided Diffusion},
author = {Runze Liu and Dongchen Zhu and Guanghui Zhang and Yue Xu and Wenjun Shi and Xiaolin Zhang and Lei Wang and Jiamao Li},
journal= {arXiv preprint arXiv:2406.09782},
year = {2025}
}