Key points are not available for this paper at this time.
Avatares de mão desempenham um papel fundamental em uma ampla gama de interfaces digitais, aumentando a imersão do usuário e facilitando a interação natural em ambientes virtuais. Embora estudos anteriores tenham se concentrado na renderização de mãos foto-realistas, pouca atenção foi dada à reconstrução da geometria das mãos com detalhes finos, o que é essencial para a qualidade da renderização. Nos domínios da realidade aumentada e dos jogos, a renderização em tempo real se torna imperativa. Para isso, apresentamos um avatar de mão expressivo, chamado XHand, que foi projetado para gerar de forma abrangente a forma, a aparência e as deformações da mão em tempo real. Para obter malhas de mão detalhadas, utilizamos três módulos de incorporação de características para prever deslocamentos de deformação da mão, albedo e pesos de skinning com mistura linear, respectivamente. Para alcançar uma renderização de mão foto-realista em malhas detalhadas, nosso método emprega um renderizador neural baseado em malha, aproveitando a consistência topológica das malhas e os códigos latentes dos módulos de incorporação. Durante o treinamento, uma estratégia de suavização Laplace ciente de partes é proposta, incorporando os diferentes níveis de regularização para manter efetivamente os detalhes necessários e eliminar os artefatos indesejados. As avaliações experimentais nos conjuntos de dados InterHand2.6M e DeepHandMesh demonstram a eficácia do XHand, que é capaz de recuperar geometria e textura de alta fidelidade para animações de mão em diversas poses em tempo real. Para reproduzir nossos resultados, disponibilizaremos a implementação completa publicamente em https://github.com/agnJason/XHand.
Building similarity graph...
Analyzing shared references across papers
Loading...
Qijun Gan
Zijie Zhou
Jianke Zhu
Zhejiang University of Science and Technology
Building similarity graph...
Analyzing shared references across papers
Loading...
Gan et al. (Ter,) estudaram essa questão.
synapsesocial.com/papers/68e5e8f6b6db64358757dcab — DOI: https://doi.org/10.48550/arxiv.2407.21002
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: