論文の概要: Skinning a Parameterization of Three-Dimensional Space for Neural Network Cloth

• arxiv url: http://arxiv.org/abs/2006.04874v1
• Date: Mon, 8 Jun 2020 18:53:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 02:10:22.594831
• Title: Skinning a Parameterization of Three-Dimensional Space for Neural Network Cloth
• Title（参考訳）: ニューラルネットワーク布の三次元空間のパラメータ化
• Authors: Jane Wu, Zhenglin Geng, Hui Zhou, Ronald Fedkiw
• Abstract要約: 仮想布を四面体メッシュに埋め込むことにより,布の変形を学習するための新しい枠組みを提案する。 我々は、各骨格ポーズのオフセットを埋め込んだ布を学習することにより、畳み込みニューラルネットワークを訓練し、地面の真実の変形を復元する。
• 参考スコア（独自算出の注目度）: 7.632148782292155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel learning framework for cloth deformation by embedding virtual cloth into a tetrahedral mesh that parametrizes the volumetric region of air surrounding the underlying body. In order to maintain this volumetric parameterization during character animation, the tetrahedral mesh is constrained to follow the body surface as it deforms. We embed the cloth mesh vertices into this parameterization of three-dimensional space in order to automatically capture much of the nonlinear deformation due to both joint rotations and collisions. We then train a convolutional neural network to recover ground truth deformation by learning cloth embedding offsets for each skeletal pose. Our experiments show significant improvement over learning cloth offsets from body surface parameterizations, both quantitatively and visually, with prior state of the art having a mean error five standard deviations higher than ours. Moreover, our results demonstrate the efficacy of a general learning paradigm where high-frequency details can be embedded into low-frequency parameterizations.
• Abstract（参考訳）: 本稿では,仮想布を四面体メッシュに埋め込み,底面を囲む空気の体積領域をパラメトリゼーションする新しい布変形学習フレームワークを提案する。 キャラクタアニメーション中にこのボリュームパラメータ化を維持するため、四面体メッシュは変形するにつれて体表面を追従するように拘束される。 この3次元空間のパラメータ化に布メッシュの頂点を埋め込み、関節回転と衝突による非線形変形の多くを自動的に捉える。 次に,畳み込みニューラルネットワークを訓練し,各骨格ポーズに対する布の埋め込みオフセットを学習することにより,真理変形を回復する。 実験の結果,体表面のパラメータ化から得られた布のオフセットを定量的・視覚的に学習するよりも,平均誤差5つの標準偏差の先行状態が向上した。 さらに,高頻度のディテールを低周波パラメータ化に組み込むことができる汎用学習パラダイムの有効性を示す。

関連論文リスト

• NASM: Neural Anisotropic Surface Meshing [38.8654207201197]
  本稿では、異方性表面メッシュのための学習に基づく新しい手法NASMを提案する。 鍵となるアイデアは、入力メッシュを高次元ユークリッド埋め込み空間に埋め込み、曲率ベースの異方性計量を保存することである。 そこで,本研究では,新たに生成した高次元埋め込みにおける特徴感リメッシングを提案し,鮮明な幾何学的特徴を自動キャプチャする。
  論文  参考訳（メタデータ） (2024-10-30T15:20:10Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• SphereDiffusion: Spherical Geometry-Aware Distortion Resilient Diffusion Model [63.685132323224124]
  制御可能な球状パノラマ画像生成は、様々な領域でかなりの応用可能性を持っている。 本稿では,これらの課題に対処するために,SphereDiffusionの新しいフレームワークを提案する。 Structured3Dデータセットの実験では、SphereDiffusionは制御可能な球面画像生成の品質を大幅に改善し、平均して約35%のFIDを相対的に削減している。
  論文  参考訳（メタデータ） (2024-03-15T06:26:46Z)
• Binary Opacity Grids: Capturing Fine Geometric Detail for Mesh-Based View Synthesis [70.40950409274312]
  我々は、細い構造を再構築する能力を損なうことなく、表面への収束を促すために密度場を変更する。 また, メッシュの単純化と外観モデルの適合により, 融合型メッシュ方式を開発した。 私たちのモデルで生成されたコンパクトメッシュは、モバイルデバイス上でリアルタイムでレンダリングできます。
  論文  参考訳（メタデータ） (2024-02-19T18:59:41Z)
• Dynamic Point Fields [30.029872787758705]
  本稿では,明示的な点ベースグラフィックスの表現的利点と暗黙的な変形ネットワークを組み合わせた動的点場モデルを提案する。 我々は,その表現力,学習効率,および配布外小説のポーズに対する堅牢性の観点から,我々の動的点場フレームワークの利点を示す。
  論文  参考訳（メタデータ） (2023-04-05T17:52:37Z)
• Neural Volumetric Mesh Generator [40.224769507878904]
  新規かつ高品質なボリュームメッシュを生成することができるニューラルボリュームメッシュジェネレータ(NVMG)を提案する。 我々のパイプラインは、ランダムノイズや参照画像から、後処理なしで高品質なアーチファクトフリーのボリュームとサーフェスメッシュを生成することができる。
  論文  参考訳（メタデータ） (2022-10-06T18:46:51Z)
• SCALE: Modeling Clothed Humans with a Surface Codec of Articulated Local Elements [62.652588951757764]
  衣服のモデル化と再構成は、調音性、非剛性変形、衣服の種類や地形の変化などにより困難である。 最近の研究では、ニューラルネットワークを使ってローカルな表面要素をパラメータ化している。 まず、人間の体モデルに基づいて表面要素を変形させます。 第2に,局所的な特徴から局所的な幾何学を回帰させることにより,既存の神経表面要素の制限を解消する。
  論文  参考訳（メタデータ） (2021-04-15T17:59:39Z)
• Learning Deformable Tetrahedral Meshes for 3D Reconstruction [78.0514377738632]
  学習に基づく3次元再構成に対応する3次元形状表現は、機械学習とコンピュータグラフィックスにおいてオープンな問題である。 ニューラル3D再構成に関するこれまでの研究は、利点だけでなく、ポイントクラウド、ボクセル、サーフェスメッシュ、暗黙の関数表現といった制限も示していた。 Deformable Tetrahedral Meshes (DefTet) を, ボリューム四面体メッシュを再構成問題に用いるパラメータ化として導入する。
  論文  参考訳（メタデータ） (2020-11-03T02:57:01Z)
• Characterization of surface motion patterns in highly deformable soft tissue organs from dynamic MRI: An application to assess 4D bladder motion [0.0]
  本研究の目的は, 表面全体を完全に覆うために3次元密度速度測定を行うことである。 深呼吸時の膀胱表面動態を解析するためのパイプラインを提案する。
  論文  参考訳（メタデータ） (2020-10-05T08:38:08Z)
• NiLBS: Neural Inverse Linear Blend Skinning [59.22647012489496]
  本稿では, 従来のスキン加工技術を用いて, ポーズによってパラメータ化されたニューラルネットワークを用いて変形を反転させる手法を提案する。 これらの変形を逆転する能力は、例えば距離関数、符号付き距離関数、占有率)の値を静止ポーズで事前計算し、文字が変形したときに効率的にクエリすることができる。
  論文  参考訳（メタデータ） (2020-04-06T20:46:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。