MultiResGNet: 多重解像度グラフによる非線形変形近似

本論文では，任意の頂点数を持つキャラクタの非線形変形を自動的に生成するための，グラフ学習に基づく強力な一般化手法を紹介する．このような一般化されたネットワークを学習するためには，通常，相当数のポーズを持つ大規模なキャラクタデータセットが必要となる．本論文では，この課題を解決しつつ，ネットワークを一般化して現実的な変形近似を実現するための2つの重要な貢献を提示する．第一に，線形ベースの自動変形ステップの後，大まかに変形したメッシュをグラフを構築することで符号化する．次に，構築されたグラフを入力とし，各頂点のオフセット調整値をエンドツーエンドで出力する多重解像度グラフネットワーク（MultiResGNet）を設計する．多重解像度グラフを処理することで，一般的な特徴をよりよく抽出することができ，ネットワークの学習はもはや大量の学習データに大きく依存しない．実験の結果，提案手法は，初見のキャラクタやポーズの変形近似において，先行研究よりも優れた性能を達成した．

発表ビデオ

論文