Cette page résume et organise les publications en intelligence artificielle du monde entier. Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif. Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.
ETCH : Généralisation de l'ajustement corporel aux humains vêtus via l'étanchéité équivariante
Created by
Haebom
Auteur
Boqian Li, Haiwen Feng, Zeyu Cai, Michael J. Black, Yuliang Xiu
Contour
Cet article aborde le problème de l'ajustement d'un corps à un nuage de points d'un humain vêtu en 3D. Les méthodes d'optimisation existantes utilisent des pipelines multi-étapes, ce qui les rend sensibles à l'initialisation de poses, tandis que les méthodes récentes basées sur l'apprentissage peinent à généraliser à diverses poses et types de vêtements. Dans cet article, nous proposons ETCH (Equivariant Tightness Fitting for Clothed Humans), un nouveau pipeline qui estime la correspondance surface-vêtement-corps à l'aide d'une équivariance SE(3) localement approximée et encode la correspondance sous forme de vecteur de déplacement à partir de la surface corporelle. Suite à cette correspondance, les caractéristiques corporelles invariantes de la pose sont régressées sur des marqueurs corporels épars, simplifiant ainsi la tâche d'ajustement d'un humain vêtu en une tâche d'ajustement de marqueurs corporels internes. Des expériences approfondies sur CAPE et 4D-Dress démontrent qu'ETCH surpasse significativement les méthodes de pointe (avec et sans considérations de correspondance) en termes de précision d'ajustement du corps (16,7 % à 69,5 %) et de précision de forme (49,9 % en moyenne) pour les vêtements amples. La conception à ajustement serré équilatéral peut réduire les erreurs d'orientation de 67,2 % à 89,8 % dans les configurations à prise unique (ou hors distribution) (environ 1 % des données). Les résultats qualitatifs démontrent la robustesse de la généralisation de l'ETCH, indépendamment des poses difficiles, des formes invisibles, des vêtements amples et des dynamiques non rigides. Le code et le modèle seront accessibles au public sous https://boqian-li.github.io/ETCH/에서 .
Takeaways, Limitations
•
Takeaways:
◦
SE(3) Proposition d'un nouveau pipeline d'ajustement corporel (ETCH) pour les personnes portant des vêtements utilisant l'isomorphisme.
◦
Précision d'ajustement du corps et de la forme des vêtements amples considérablement améliorée par rapport aux méthodes existantes.
◦
Excellentes performances de généralisation sur une variété de postures, de types de vêtements et de dynamiques corporelles non rigides.
◦
Réduit considérablement l'erreur directionnelle dans les réglages one-shot.
◦
Le code et le modèle seront bientôt publiés.
•
Limitations:
◦
Le code et le modèle ne sont pas encore publics.
◦
Une validation supplémentaire de la diversité de l’ensemble de données expérimentales est nécessaire.
◦
Possibilité de dégradation généralisée des performances pour des types spécifiques de vêtements ou de morphologies.
