注重细节的深度服装动画融合多源属性

摘要 本文提出了一种新颖的基于学习的服装变形方法，以生成丰富且合理的细节变形，适用于不同形状的身体在各种动画中穿着的服装。与现有的基于学习的方法相比，这些方法需要多个训练模型以应对不同的服装拓扑或姿势，并且难以实现丰富的细节，我们使用统一的框架有效且简单地生成高保真度的变形。具体而言，我们首先发现服装与身体的贴合程度对褶皱的程度有重要影响。然后，我们设计了一种属性解析器以生成注重细节的编码，并将其融入图神经网络中，从而增强了在多样属性下细节的区分能力。此外，为了实现更好的收敛并避免过于平滑的变形，我们提出了重构输出以减轻学习任务的复杂性。实验结果显示，我们提出的变形方法在泛化能力和细节质量方面的表现优于现有方法。