LEAP: Learning Articulated Occupancy of People论文笔记

Motivation&Contribution

将对刚性3D对象建模的深度隐式表示扩展到学习人体形状的神经模型仍处于起步阶段。提出了新颖的人体占用网络表示。首先通过学习线性混合蒙皮(LBS)函数将查询点映射到规范空间(canonical space),然后通过占用网络高效地查询占用值

Method

网络框架

LEAP包含三个编码器,它们将K个骨骼转换G作为输入,并通过每个骨骼学习投影模块为每个骨骼K创建进一步定制的全局特征向量z。然后,利用学习到的LBS权值wx估计查询点x在规范位姿x中的位置,构造高效的局部点特征zx。

Experiments

Future work

我们计划从图像数据中学习LEAP,并将其扩展到有关节的衣服上。从原始扫描中学习LEAP的初步结果(图6)表明,LEAP可以代表真实的表面细节,这推动了LEAP未来的扩展,以模拟穿着衣服的人类。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值