本文总结了创新项目实训第三周的内容，主要聚焦于SMPL人体模型的原理和参数分析。SMPL是一种参数化人体模型，用于精确建模和动画驱动。文章详细解释了模型中的β和θ参数，以及它们在人体形态和姿态中的作用。讨论了如何处理关节匹配问题，并介绍了GMM模型在姿态约束中的应用。下周计划深入研究photo wake up算法。
上周我们已经把模型跑起来了，得到了一些参数
这些参数初步分析分别是
Cam_t ：三维相机参数
Pose：代表人体整体运动位姿和24个关节相对角度的75个参数
beta：shape个人体高矮胖瘦、头身比等比例的10个参数
f：焦点，二维数据
进一步的阅读论文和查询相关资料我们知道
（相关论文：SMPL: A Skinned Multi-Person Linear Model ）
SMPL模型是一种参数化人体模型，是马普所提出的一种人体建模方法，该方法可以进行任意的人体建模和动画驱动。这种方法与传统的LBS的最大的不同在于其提出的人体姿态影像体表形貌的方法，这种方法可以模拟人的肌肉在肢体运动过程中的凸起和凹陷。因此可以避免人体在运动过程中的表面失真，可以精准的刻画人的肌肉拉伸以及收缩运动的形貌。
该方法中β和θ是其中的输入参数，其中β代表是个人体高矮胖瘦、头身比等比例的10个参数，θ是代表人体整体运动位姿和24个关节相对角度的75个参数。
β参数是ShapeBlendPose参数，可以通过10个增量模板控制人体形状变化： 具体而言：每个参数控制人体形态的变化可以通过动图来刻画：
最低0.47元/天 解锁文章
689
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
