BCNet：从单张图像学习身体和衣物形状

在本文中，我们研究了如何从单张接近正面视角的RGB图像自动重建衣物和人体形状的问题。为此，我们在SMPL模型基础上提出了一种分层的衣物表示方法，并创新性地使衣物的蒙皮权重独立于人体网格，这显著提高了我们衣物模型的表现能力。与现有方法相比，我们的方法可以支持更多的衣物类别，并且能够恢复更精确的几何结构。为了训练我们的模型，我们构建了两个大规模的数据集，其中包含真实的人体和衣物几何结构以及配对的颜色图像。与单一网格或非参数化表示相比，我们的方法通过分离的网格实现了更灵活的控制，使得重新姿态调整（re-pose）、衣物转移（garment transfer）和衣物纹理映射（garment texture mapping）等应用成为可能。代码和部分数据可在https://github.com/jby1993/BCNet 获取。