この論文は、様々なアニメーションにおいて異なる形状の身体が着用する衣服に対して、リッチで合理的な詳細変形を生成するための新しい学習ベースの衣服変形手法を提案している。これまでの学習ベースの手法では、異なる衣服のトポロジーやポーズに対して多数の学習済みモデルを必要とし、リッチなディテールを容易に実現することが難しい課題があった。しかし、我々は統一されたフレームワークを用いて、高い忠実度の変形を効率的かつ容易に実現することを目指している。具体的な手法としては、まず最初に、衣服と身体の適合がひだの程度に変形に影響を与えることが明らかにされた。その後、ディテールを考慮したエンコーディングを生成するための属性パーサーが設計され、これをグラフニューラルネットワークに組み込むことで、様々な属性の下でのディテールの識別性が向上することが示された。また、より良い収束を達成し、過度に滑らかな変形を避けるために、学習タスクの複雑性を緩和するために、出力を再構築するアプローチが提案された。実験の結果からは、提案された変形手法が既存の手法に比べて、汎化能力とディテールの品質において優れた性能を発揮することが示されている。
ビデオ
論文
-
Tianxing Li, Rui Shi, Takashi Kanai: “Detail-Aware Deep Clothing Animations Infused with Multi-Source Attributes”, Computer Graphics Forum, 42(1), pp.231-244, 2023 (presented at Eurographics 2023).
[Paper(author’s version)][Paper (publisher’s version)][Arxiv paper (draft version)]