Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

ETCH: Generalizing Body Fitting to Clothed Humans via Equivariant Tightness

Created by
  • Haebom
Category
Empty

저자

Boqian Li, Haiwen Feng, Zeyu Cai, Michael J. Black, Yuliang Xiu

개요

본 논문은 3D 의류를 입은 인체 포인트 클라우드에 신체를 피팅하는 문제를 다룬다. 기존의 최적화 기반 방법은 다단계 파이프라인을 사용하여 자세 초기화에 민감하고, 최근의 학습 기반 방법은 다양한 자세와 의류 유형에 대한 일반화에 어려움을 겪는다. 본 논문에서는 의류-신체 표면 매핑을 국소적으로 근사된 SE(3) 등변성을 통해 추정하고, 신체 표면으로부터의 변위 벡터로써 밀착 정도를 인코딩하는 새로운 파이프라인인 ETCH(Equivariant Tightness Fitting for Clothed Humans)를 제안한다. 이 매핑 이후, 자세 불변 신체 특징이 드문드문 존재하는 신체 마커를 회귀하여, 의류를 입은 인체 피팅을 내부 신체 마커 피팅 작업으로 단순화한다. CAPE 및 4D-Dress에 대한 광범위한 실험 결과, ETCH는 느슨한 의류에 대한 신체 피팅 정확도(16.7% ~ 69.5%)와 형태 정확도(평균 49.9%) 측면에서 최첨단 방법(밀착도 무시 및 고려 방법 모두)을 상당히 능가함을 보여준다. 등변 밀착도 설계는 원샷(또는 분포 외) 설정에서 방향 오류를 (67.2% ~ 89.8%)까지 줄일 수 있다. 정성적 결과는 어려운 자세, 보이지 않는 형태, 느슨한 의류 및 비강체 역학에 관계없이 ETCH의 강력한 일반화를 보여준다. 코드와 모델은 https://boqian-li.github.io/ETCH/ 에서 공개될 예정이다.

시사점, 한계점

•
시사점:
◦
SE(3) 등변성을 활용한 새로운 의류를 입은 인체 피팅 파이프라인 ETCH 제안.
◦
기존 방법 대비 느슨한 의류에 대한 신체 피팅 정확도 및 형태 정확도를 크게 향상.
◦
원샷 설정에서 방향 오류 감소.
◦
다양한 자세, 의류 형태 및 비강체 역학에 대한 강력한 일반화 성능.
◦
코드와 모델 공개를 통한 연구 활성화.
•
한계점:
◦
논문에서 구체적인 한계점은 언급되지 않았으나, 실제 데이터셋과 적용 환경에 따라 성능 저하 가능성 존재.
◦
새로운 데이터셋에 대한 일반화 성능 평가 추가 필요.
◦
극도로 복잡하거나 특이한 의류 형태에 대한 성능 평가 필요.
👍
Made with Slashpage