論文の概要: SIZER: A Dataset and Model for Parsing 3D Clothing and Learning Size Sensitive 3D Clothing

• arxiv url: http://arxiv.org/abs/2007.11610v1
• Date: Wed, 22 Jul 2020 18:13:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 23:06:08.322242
• Title: SIZER: A Dataset and Model for Parsing 3D Clothing and Learning Size Sensitive 3D Clothing
• Title（参考訳）: SizeR: 3D衣料のパースと3D衣料の学習のためのデータセットとモデル
• Authors: Garvita Tiwari, Bharat Lal Bhatnagar, Tony Tung, Gerard Pons-Moll
• Abstract要約: SizerNetを導入し、人体形状と衣服サイズパラメータに基づいて3D衣服を予測する。 また、入力メッシュから1パスの個人的詳細を持つ衣服の下で、衣服のメッシュと形状を推測するためにNetを導入する。
• 参考スコア（独自算出の注目度）: 50.63492603374867
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While models of 3D clothing learned from real data exist, no method can predict clothing deformation as a function of garment size. In this paper, we introduce SizerNet to predict 3D clothing conditioned on human body shape and garment size parameters, and ParserNet to infer garment meshes and shape under clothing with personal details in a single pass from an input mesh. SizerNet allows to estimate and visualize the dressing effect of a garment in various sizes, and ParserNet allows to edit clothing of an input mesh directly, removing the need for scan segmentation, which is a challenging problem in itself. To learn these models, we introduce the SIZER dataset of clothing size variation which includes $100$ different subjects wearing casual clothing items in various sizes, totaling to approximately 2000 scans. This dataset includes the scans, registrations to the SMPL model, scans segmented in clothing parts, garment category and size labels. Our experiments show better parsing accuracy and size prediction than baseline methods trained on SIZER. The code, model and dataset will be released for research purposes.
• Abstract（参考訳）: 実際のデータから学習した3D衣服のモデルが存在するが、衣服の大きさの関数として衣服の変形を予測する方法は存在しない。 本稿では,人体形状と衣服サイズパラメータに規定された3次元衣服の予測にSizerNetを導入し,ParserNetは衣服のメッシュと形状を,入力メッシュから1回のパスで個人的詳細で推定する。 sizernetは、衣服のドレッシング効果を様々なサイズで見積もって視覚化することができ、parsernetは、入力メッシュの服を直接編集することができ、スキャンセグメンテーションの必要性をなくすことができる。 これらのモデルを学ぶために,様々なサイズのカジュアルな衣料品を着る100ドルの異なる被験者を含む,約2000回のスキャンを含む,衣料品のサイズ変動のデータセットを紹介する。 このデータセットには、スキャン、SMPLモデルへの登録、衣服部品、衣服カテゴリー、サイズラベルが含まれる。 提案手法は,sizerで学習したベースライン法よりも,解析精度とサイズ予測に優れる。 コード、モデル、データセットは研究目的でリリースされる予定だ。

関連論文リスト

• GarmentCodeData: A Dataset of 3D Made-to-Measure Garments With Sewing Patterns [18.513707884523072]
  縫製パターンを用いた3次元計測服の大規模合成データセットについて述べる。 GarmentCodeDataには115,000のデータポイントがあり、さまざまなデザインをカバーしている。 高速なXPBDシミュレータに基づくオープンソースの3D衣料ドレーピングパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-05-27T19:14:46Z)
• The Power of Points for Modeling Humans in Clothing [60.00557674969284]
  現在、アーティストはリアルな衣服で自然に動く3Dアバターを作る必要がある。 3次元表現は様々なトポロジを高分解能で捉えることができ、データから学習できることを示す。 我々は、異なる衣服の形状を表現するために、新しい局所的な衣服幾何学的特徴を持つニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2021-09-02T17:58:45Z)
• Shape Controllable Virtual Try-on for Underwear Models [0.0]
  そこで我々は,下着モデル用の衣服を着る形状制御可能な仮想トライオンネットワーク(SC-VTON)を提案する。 SC-VTONは、モデルと衣服の情報を統合し、歪んだ衣服画像を生成する。 本手法は, 詳細なテクスチャで高分解能な結果が得られる。
  論文  参考訳（メタデータ） (2021-07-28T04:01:01Z)
• SCANimate: Weakly Supervised Learning of Skinned Clothed Avatar Networks [54.94737477860082]
  本論文では,着る人間の生の3Dスキャンをイメージ可能なアバターに変える,エンドツーエンドのトレーニング可能なフレームワークを提案する。 SCANimateはカスタマイズされたメッシュテンプレートや表面メッシュ登録に依存しません。 本手法はポーズ認識型外観モデルに適用でき,完全にテクスチャ化されたアバターを生成できる。
  論文  参考訳（メタデータ） (2021-04-07T17:59:58Z)
• SMPLicit: Topology-aware Generative Model for Clothed People [65.84665248796615]
  SMPLicitは、身体のポーズ、形状、衣服の形状を共同で表現する新しい生成モデルである。 実験では,3dスキャンの装着や,服装者の画像の3d再構成にsmplicitが容易に利用できることを示す。
  論文  参考訳（メタデータ） (2021-03-11T18:57:03Z)
• Neural 3D Clothes Retargeting from a Single Image [91.5030622330039]
  本稿では,1枚のRGB画像で人物にフィットする3次元衣料テンプレートモデルの潜在的なポーズと変形を生成する方法を提案する。 この問題は、地上の真実データを取得することは不可能である、すなわち、異なる3D衣料品テンプレートモデルを全く同じポーズで身に着けている人々の画像として、基本的には不適切である。 そこで本研究では,3次元変形の物理的妥当性を検証するための半教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-29T20:50:34Z)
• Deep Fashion3D: A Dataset and Benchmark for 3D Garment Reconstruction from Single Images [50.34202789543989]
  Deep Fashion3Dは、これまでで最大の3D衣料品のコレクションだ。 3D機能ライン、3Dボディポーズ、対応するマルチビューリアルイメージなど、リッチなアノテーションを提供する。 一つのネットワークであらゆる種類の衣服を学習できる新しい適応型テンプレートが提案されている。
  論文  参考訳（メタデータ） (2020-03-28T09:20:04Z)

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。