计算机科学 > 计算机视觉与模式识别
[提交于 2025年1月3日
]
标题: D$^3$-人类:单目视频中的动态解耦数字人类
标题: D$^3$-Human: Dynamic Disentangled Digital Human from Monocular Video
摘要: 我们引入了D$^3$-Human,一种从单目视频中重建动态解耦数字人类几何的方法。 过去的单目视频人体重建主要集中在重建未解耦的着装人体或仅重建衣物,这使得直接应用于动画制作等应用变得困难。 重建解耦衣物和身体的挑战在于衣物覆盖身体造成的遮挡。 为此,在重建过程中必须确保可见区域的细节和不可见区域的合理性。 我们提出的方法结合显式和隐式表示来建模解耦的着装人体,利用显式表示的鲁棒性和隐式表示的灵活性。 具体来说,我们将可见区域重建为SDF,并提出一种新颖的人体流形有符号距离场(hmSDF)来分割可见衣物和可见身体,然后合并可见和不可见的身体。 大量实验结果表明,与现有重建方案相比,D$^3$-Human可以实现穿着不同衣物的人体的高质量解耦重建,并可直接应用于衣物迁移和动画制作。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.