論文の概要: Invertible Neural Skinning

• arxiv url: http://arxiv.org/abs/2302.09227v1
• Date: Sat, 18 Feb 2023 04:12:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 19:39:53.545727
• Title: Invertible Neural Skinning
• Title（参考訳）: 可逆性ニューラルスキニング
• Authors: Yash Kant, Aliaksandr Siarohin, Riza Alp Guler, Menglei Chai, Jian Ren, Sergey Tulyakov, Igor Gilitschenski
• Abstract要約: 生の3Dスキャンから着替え可能な人間のモデルを構築することは、難しい問題だ。 Invertible Neural Skinning (INS)を導入し,これらの問題点に対処する。 我々は,布を被った人間に対して,最先端の再現技術より優れた性能を示す。
• 参考スコア（独自算出の注目度）: 44.09069017248669
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Building animatable and editable models of clothed humans from raw 3D scans and poses is a challenging problem. Existing reposing methods suffer from the limited expressiveness of Linear Blend Skinning (LBS), require costly mesh extraction to generate each new pose, and typically do not preserve surface correspondences across different poses. In this work, we introduce Invertible Neural Skinning (INS) to address these shortcomings. To maintain correspondences, we propose a Pose-conditioned Invertible Network (PIN) architecture, which extends the LBS process by learning additional pose-varying deformations. Next, we combine PIN with a differentiable LBS module to build an expressive and end-to-end Invertible Neural Skinning (INS) pipeline. We demonstrate the strong performance of our method by outperforming the state-of-the-art reposing techniques on clothed humans and preserving surface correspondences, while being an order of magnitude faster. We also perform an ablation study, which shows the usefulness of our pose-conditioning formulation, and our qualitative results display that INS can rectify artefacts introduced by LBS well. See our webpage for more details: https://yashkant.github.io/invertible-neural-skinning/
• Abstract（参考訳）: 生の3Dスキャンとポーズから、被服を編集可能なモデルを構築することは、難しい問題だ。 既存の再現法はリニアブレンドスキニング(LBS)の限られた表現性に悩まされ、新しいポーズをそれぞれ生成するためにコストのかかるメッシュ抽出を必要とし、通常、異なるポーズにわたる表面対応を保存しない。 本稿では、これらの欠点に対処するために、Invertible Neural Skinning (INS)を導入する。 対応性を維持するために,追加のポーズ変動変形を学習してLBSプロセスを拡張するPINアーキテクチャを提案する。 次に、PINと差別化可能なLBSモジュールを組み合わせて、表現的でエンドツーエンドのInvertible Neural Skinning(INS)パイプラインを構築します。 本手法は,人間に最先端のレポジトリ技術を適用し,表面対応性を維持しつつ,桁違いに高速に行うことで,優れた性能を示す。 また, ポーズ条件定式化の有用性を示すアブレーション研究を行い, 定性的な結果から, INSがLBSで導入したアーティファクトを補正できることが示唆された。 詳細は、私たちのWebページを参照してください。

関連論文リスト

• CloSET: Modeling Clothed Humans on Continuous Surface with Explicit Template Decomposition [36.39531876183322]
  そこで我々は,明示的な衣服関連テンプレートを分解し,それらにポーズ依存のしわを加えることを提案する。 近年の最先端のポイントベース手法におけるシームアーティファクト問題に対処するために,体表面の点特徴を学習することを提案する。 我々のアプローチは、既存の2つのデータセットと、新しく導入されたデータセットで検証され、見当たらないポーズで服の変形結果が改善された。
  論文  参考訳（メタデータ） (2023-04-06T15:50:05Z)
• Neural-GIF: Neural Generalized Implicit Functions for Animating People in Clothing [49.32522765356914]
  私たちは、身体のポーズの関数として、服装の人々をアニメーションすることを学びます。 我々は、学習された変形場を非剛性効果のモデルに適用した、空間のすべての点を標準空間にマッピングすることを学ぶ。 ニューラルGIFは生の3Dスキャンに基づいてトレーニングし、詳細な複雑な表面形状と変形を再構築することができる。
  論文  参考訳（メタデータ） (2021-08-19T17:25:16Z)
• Neural Actor: Neural Free-view Synthesis of Human Actors with Pose Control [80.79820002330457]
  任意の視点と任意の制御可能なポーズの下での人間の高品質な合成法を提案する。 提案手法は,新しいポーズ合成法と同様に,再生時の最先端技術よりも優れた品質を実現し,トレーニングポーズと大きく異なる新しいポーズを一般化することができる。
  論文  参考訳（メタデータ） (2021-06-03T17:40:48Z)
• 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)
• 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)
• PBNS: Physically Based Neural Simulator for Unsupervised Garment Pose Space Deformation [40.679520739784195]
  Pose Space Deformation (PSD) を用いた線形ブレンドスキニング (LBS) は、物理ベースシミュレーション (PBS) に代わる軽量な代替手段です。 暗黙的な PBS として策定された深層学習を用いて、現実の布地Pose Space Deformations を無防備に学習することを提案する。 その結果, アニメーション衣服と有意義なポーズ依存性の折り畳み, しわには, 布の整合性が認められた。
  論文  参考訳（メタデータ） (2020-12-21T13:22:10Z)
• 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。