Core Concepts
고주파 정보를 활용하여 의복이 있는 3D 인체의 상세한 기하학을 향상시키고, 저주파 정보를 활용하여 다양한 수준의 잡음에 대한 강건성을 높인다.
Abstract
이 논문은 의복이 있는 3D 인체 재구성을 위해 고주파(HF) 정보와 저주파(LF) 정보를 활용하는 HiLo 방법을 제안한다.
상세한 기하학을 위해, 점진적 고주파 부호화 거리 함수(progressive high-frequency signed distance function)를 제안하여 매개변수 모델의 HF 정보를 활용한다. 이를 통해 상세한 3D 기하학을 향상시키고 수렴 어려움을 완화한다.
강건성을 위해, 매개변수 모델의 저해상도 voxel 그리드에서 보완적인 공간 정보를 활용하는 공간 상호작용 암시 함수(spatial interaction implicit function)를 제안한다. 이를 통해 다양한 수준의 잡음에 대한 강건성을 높인다.
실험 결과, HiLo는 기존 최신 방법들에 비해 Chamfer 거리 기준으로 Thuman2.0과 CAPE 데이터셋에서 각각 10.43%와 9.54% 향상된 성능을 보였다. 또한 HiLo는 매개변수 모델의 잡음, 복잡한 자세, 다양한 의복 스타일에 대해 강건한 성능을 보였다.
Stats
제안한 HiLo 방법은 기존 최신 방법들에 비해 Thuman2.0 데이터셋에서 Chamfer 거리 기준으로 10.43% 향상된 성능을 보였다.
HiLo는 CAPE 데이터셋에서 Chamfer 거리 기준으로 9.54% 향상된 성능을 보였다.
Quotes
"고주파(HF) 정보는 상세한 기하학을 향상시키고, 저주파(LF) 정보는 잡음에 대한 강건성을 높인다."
"제안한 점진적 고주파 부호화 거리 함수는 상세한 3D 기하학을 향상시키고 수렴 어려움을 완화한다."
"공간 상호작용 암시 함수는 다양한 수준의 잡음에 대한 강건성을 높인다."