論文の概要: Neural-ABC: Neural Parametric Models for Articulated Body with Clothes

• arxiv url: http://arxiv.org/abs/2404.04673v1
• Date: Sat, 6 Apr 2024 16:29:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-09 20:09:57.347119
• Title: Neural-ABC: Neural Parametric Models for Articulated Body with Clothes
• Title（参考訳）: ニューラルABC:人工装具のニューラルパラメトリックモデル
• Authors: Honghu Chen, Yuxin Yao, Juyong Zhang,
• Abstract要約: 本稿では, 身元, 衣服, 形状, ポーズなど, ゆがみのない空間で衣服を表現できる新しいモデルであるNeural-ABCを紹介する。 我々のモデルは、衣服のスタイルを保ちながら、異なる形状の衣服とアイデンティティとポーズを両立させることに優れています。 他の最先端のパラメトリックモデルと比較すると、Neural-ABCは人間の衣服を復元する上で強力なアドバンテージを示している。
• 参考スコア（独自算出の注目度）: 29.04941764336255
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we introduce Neural-ABC, a novel parametric model based on neural implicit functions that can represent clothed human bodies with disentangled latent spaces for identity, clothing, shape, and pose. Traditional mesh-based representations struggle to represent articulated bodies with clothes due to the diversity of human body shapes and clothing styles, as well as the complexity of poses. Our proposed model provides a unified framework for parametric modeling, which can represent the identity, clothing, shape and pose of the clothed human body. Our proposed approach utilizes the power of neural implicit functions as the underlying representation and integrates well-designed structures to meet the necessary requirements. Specifically, we represent the underlying body as a signed distance function and clothing as an unsigned distance function, and they can be uniformly represented as unsigned distance fields. Different types of clothing do not require predefined topological structures or classifications, and can follow changes in the underlying body to fit the body. Additionally, we construct poses using a controllable articulated structure. The model is trained on both open and newly constructed datasets, and our decoupling strategy is carefully designed to ensure optimal performance. Our model excels at disentangling clothing and identity in different shape and poses while preserving the style of the clothing. We demonstrate that Neural-ABC fits new observations of different types of clothing. Compared to other state-of-the-art parametric models, Neural-ABC demonstrates powerful advantages in the reconstruction of clothed human bodies, as evidenced by fitting raw scans, depth maps and images. We show that the attributes of the fitted results can be further edited by adjusting their identities, clothing, shape and pose codes.
• Abstract（参考訳）: 本稿では,ニューラルネットワークを用いた新しいパラメトリックモデルであるNeural-ABCを紹介する。 伝統的なメッシュベースの表現は、人間の体の形や服装のスタイルの多様性やポーズの複雑さによって、衣服で明瞭な体を表現するのに苦労する。 提案モデルは, 衣服の身元, 衣服, 形状, ポーズを表現できるパラメトリックモデリングのための統一的な枠組みを提供する。 提案手法は,神経暗黙関数のパワーを基礎となる表現として利用し,必要な要求を満たすためによく設計された構造を統合する。 具体的には、基礎となる物体を符号付き距離関数として表現し、衣服を符号なし距離関数として表現し、符号なし距離場として一様に表現することができる。 異なるタイプの衣服は、事前に定義された地形構造や分類を必要としておらず、体に合うように基礎となる身体の変化に従うことができる。 さらに、制御可能な調音構造を用いてポーズを構築する。 このモデルは、オープンデータセットと、新しく構築されたデータセットの両方でトレーニングされており、当社のデカップリング戦略は、最適なパフォーマンスを確保するために慎重に設計されています。 我々のモデルは、衣服のスタイルを保ちながら、異なる形状の衣服とアイデンティティとポーズを両立させることに優れています。 我々は,ニューラルABCが異なるタイプの衣服の新たな観察に適合することを実証した。 他の最先端のパラメトリックモデルと比較して、Neural-ABCは、生のスキャン、深度マップ、画像を取り付けることによって証明されるように、衣服を被った人間の体を再構築する上で強力な利点を示している。 適合した結果の属性は、そのアイデンティティ、衣服、形状、ポーズコードを調整することで、さらに編集できることが示される。

関連論文リスト

• PocoLoco: A Point Cloud Diffusion Model of Human Shape in Loose Clothing [97.83361232792214]
  PocoLocoは、ゆるい服を着た3D人間のための、テンプレートのない、ポイントベースの、ポーズ条件付き生成モデルである。 本研究では,アバター服の変形をデノナイズ拡散フレームワーク内の条件付き点雲生成タスクとして定式化する。 ゆるい服装でさまざまなポーズをとる2人の被験者のデータセットを、合計75K点の雲で公開する。
  論文  参考訳（メタデータ） (2024-11-06T20:42:13Z)
• Neural Garment Dynamics via Manifold-Aware Transformers [26.01911475040001]
  我々は異なるアプローチを採り、下層の人体との局所的な相互作用を利用して衣服のダイナミクスをモデル化する。 具体的には、身体が動くと局所的な衣服と体の衝突を検出し、衣服の変形を駆動する。 我々のアプローチの核心はメッシュ非依存の衣服表現と多様体対応トランスフォーマーネットワーク設計である。
  論文  参考訳（メタデータ） (2024-05-13T11:05:52Z)
• ShapeBoost: Boosting Human Shape Estimation with Part-Based Parameterization and Clothing-Preserving Augmentation [58.50613393500561]
  本研究では,新しい形状復元フレームワークであるShapeBoostを提案する。 稀な体型であってもピクセルレベルのアライメントを実現し、異なるタイプの服を着ている人には高い精度が期待できる。
  論文  参考訳（メタデータ） (2024-03-02T23:40:23Z)
• Neural Point-based Shape Modeling of Humans in Challenging Clothing [75.75870953766935]
  SMPLのようなパラメトリックな3Dボディモデルは、最小限の衣服だけを表現し、衣服に拡張するのは難しい。 我々は、正準化を学習されたポーズ非依存の「粗い形状」に置き換える粗い段階で点ベースの手法を拡張する。 このアプローチは、身体に適合し、脱落する衣服に対してうまく機能する。
  論文  参考訳（メタデータ） (2022-09-14T17:59:17Z)
• 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)
• Point-Based Modeling of Human Clothing [1.7842332554022693]
  我々は、さまざまな服装、さまざまな人間のポーズ、さまざまな人間の身体形状の点雲を予測できる深いモデルを学ぶ。 学習モデルを用いることで,新たな衣装の形状をシン画像から推測することができる。 我々は,ポイントクラウド幾何を幾何学的足場として用いる外観モデルを用いて幾何学的モデルを補完する。
  論文  参考訳（メタデータ） (2021-04-16T17:12:33Z)
• 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)

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。