यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
यह शोधपत्र एक त्रि-आयामी वस्त्रधारी मानव के बिंदु-बादल में शरीर को फिट करने की समस्या पर विचार करता है। मौजूदा अनुकूलन-आधारित विधियाँ बहु-चरणीय पाइपलाइनों का उपयोग करती हैं, जिससे वे मुद्रा आरंभीकरण के लिए अतिसंवेदनशील हो जाती हैं, जबकि हाल ही में सीखी गई विधियाँ विविध मुद्राओं और वस्त्र प्रकारों में सामान्यीकरण करने में कठिनाई का अनुभव करती हैं। इस शोधपत्र में, हम वस्त्रधारी मानवों के लिए समतुल्य कसावट फिटिंग (ETCH) का प्रस्ताव करते हैं, जो एक नवीन पाइपलाइन है जो स्थानीय रूप से अनुमानित SE(3) समतुल्यता का उपयोग करके वस्त्र-से-शरीर सतह मानचित्रण का अनुमान लगाती है और कसावट को शरीर की सतह से विस्थापन सदिश के रूप में कूटबद्ध करती है। इस मानचित्रण के बाद, मुद्रा-अपरिवर्तनीय शारीरिक विशेषताओं को विरल शरीर चिह्नकों पर प्रतिगमन किया जाता है, जिससे वस्त्रधारी मानव फिटिंग कार्य को आंतरिक शरीर चिह्नक फिटिंग कार्य में सरल बनाया जाता है। CAPE और 4D-ड्रेस पर किए गए व्यापक प्रयोगों से पता चलता है कि ढीले-ढाले कपड़ों के लिए बॉडी फिटिंग सटीकता (16.7% से 69.5%) और आकार सटीकता (औसतन 49.9%) में ETCH अत्याधुनिक विधियों (टाइटनेस के साथ और बिना, दोनों) से काफ़ी बेहतर प्रदर्शन करता है। समबाहु टाइट फिट डिज़ाइन वन-शॉट (या आउट-ऑफ-डिस्ट्रीब्यूशन) सेटिंग्स (डेटा का लगभग 1%) में ओरिएंटेशन त्रुटियों को 67.2% से 89.8% तक कम कर सकता है। गुणात्मक परिणाम कठिन पोज़, अदृश्य आकृतियों, ढीले कपड़ों और गैर-कठोर शरीर गतिकी की परवाह किए बिना ETCH के मज़बूत सामान्यीकरण को प्रदर्शित करते हैं। कोड और मॉडल सार्वजनिक रूप से https://boqian-li.github.io/ETCH/에서 के अंतर्गत उपलब्ध होंगे ।
Takeaways, Limitations
•
Takeaways:
◦
एसई(3) आइसोमोर्फिज्म का उपयोग करके कपड़े पहनने वाले लोगों के लिए एक नई बॉडी फिटिंग पाइपलाइन (ईटीसीएच) का प्रस्ताव।
◦
मौजूदा तरीकों की तुलना में ढीले कपड़ों के लिए शरीर की फिटिंग सटीकता और आकार सटीकता में उल्लेखनीय सुधार हुआ है।
◦
विभिन्न प्रकार की मुद्राओं, वस्त्रों के प्रकारों और गैर-कठोर शारीरिक गतिशीलता में मजबूत सामान्यीकरण प्रदर्शन।
◦
वन-शॉट सेटिंग्स में दिशात्मक त्रुटि को महत्वपूर्ण रूप से कम करता है।
◦
कोड और मॉडल जल्द ही जारी किया जाएगा।
•
Limitations:
◦
कोड और मॉडल अभी तक सार्वजनिक नहीं हैं।
◦
प्रायोगिक डेटासेट की विविधता का और अधिक सत्यापन आवश्यक है।
◦
विशिष्ट प्रकार के कपड़ों या शरीर के आकार के लिए सामान्यीकृत प्रदर्शन में गिरावट की संभावना।
