跳至主要內容
PICA-论文笔记

PICA: Physics-Integrated Clothed Avatar

项目地址(未开源)

TVCG

Fig. 1: Overview
Fig. 1: Overview

Abstract

我们介绍了 PICA,这是一种用于高保真可动画穿衣数字人的新型表示方法,它具有精确的服装物理动态,即使是宽松的衣服也不例外。以往基于神经渲染的可动画穿衣人体模型通常采用单一模型来表示服装和底层身体。这些方法虽然高效,但往往不能准确地表示复杂的服装动态,导致不正确的服装动态和明显的渲染伪影,尤其是滑动或宽松的服装。此外,以前的工作将服装动态表示为依赖人体姿势的变形,并以数据驱动的方式促进新姿势动画的产生。这样做的结果往往不能真实地表现运动的力学原理,而且泛化性能差。为了解决这些问题,我们采用了两个具有不同变形特征的独立 3DGS 模型,分别对人体和服装进行建模。这种区别可以更好地处理它们各自的运动特性。通过这种表示方法,我们集成了基于图神经网络 (GNN) 的服装人体物理模拟模块,以确保服装动态的准确表示。我们的方法通过其精心设计的功能,实现了对复杂和新颖驱动姿势下着装人体的高保真渲染,在相同设置下明显优于之前的方法。


论文PaperAvatarAnimationPICA3DGS
LayGA-论文笔记

LayGA: Layered Gaussian Avatars for Animatable Clothing Transfer

项目地址

SIGGRAPH 2024

Fig. 1: Overview
Fig. 1: Overview

论文PaperAvatarSegmentationLayGA3DGS
GoMAvatar-论文笔记

GoMAvatar: Efficient Animatable Human Modeling from Monocular Video Using Gaussians-on-Mesh

项目地址

CVPR 2024

Fig. 1: Overview
Fig. 1: Overview

论文PaperAvatarGoMAvatar3DGS
SCARF-论文笔记

SCARF: Capturing and Animation of Body and Clothing from Monocular Video

项目地址

Siggraph Asia 2022

Fig. 1: Overview
Fig. 1: Overview

论文PaperAvatarSCARFNeRF
SMPLicit-论文笔记

SMPLicit: Topology-aware Generative Model for Clothed People

项目地址

CVPR 2021

Fig. 1: Overview
Fig. 1: Overview

论文PaperAvatarReconstructingSMPLicitMesh