动态表面函数网络:捕捉着装人体的姿势变形

0 下载量 158 浏览量 更新于2024-06-20 收藏 1.89MB PDF 举报
本文主要探讨的是"服装人体的动态表面函数网络",这是一种新颖的方法,旨在解决计算机视觉和计算机图形学中人体数字捕获的研究问题,尤其是在涉及穿着衣物的动态重建和跟踪方面。作者们提出了一种基于多层感知器(MLP)的动态表面表示,它嵌入到规范空间的SMPL人体模型中,用于精确捕捉和模拟穿着者的表面形态,包括衣物的动态变形。 传统的静态表面捕捉难以准确地再现衣物随动作产生的皱褶等细节,而隐式表示虽然能处理复杂形状,但可能缺乏实时渲染的优势。相比之下,动态表面函数网络通过明确地模拟人类表面,解决了这个问题。它利用SMPL的运动学模型,使得在推断阶段能够实现对姿势的完全控制,比如关节旋转,这对于远程呈现和人机交互的应用至关重要。 核心的技术创新在于设计一个多层神经网络,它接收RGB-D序列作为输入,通过分析每个帧的表面信息,预测并动态更新表面位置。通过经典前向渲染技术,利用模板网格的拓扑结构,将MLP预测的表面信息转换为可见的图像。这种方法还支持自我监督学习,允许对合成和可微光栅化进行分析,从而实现时间上相干的网格序列重建。 此外,动态表面函数网络的底层表示不仅可以用于生成逼真的动画,包括姿势相关的变形,还可以作为基础,用于开发更高级的应用,如虚拟现实和增强现实中的远程呈现,提高用户体验的真实感。这项工作在提升穿着人物的数字捕捉精度、动态表现力以及与真实世界交互的自然度上具有显著的意义。