HOOD: 階層グラフを用いた衣服動態の一般化モデリング

私たちは、グラフニューラルネットワーク、マルチレベルメッセージ伝播、および教師なし学習を活用して、リアルタイムで現実的な衣服の動きを予測する方法を提案します。既存の線形ブレンドスキニングに基づく手法は特定の衣装に対して訓練される必要があるのに対し、私たちの手法は体型に依存せず、フィットした衣装からゆったりとした自由な動きの衣装まで幅広く適用できます。さらに、推論時にトポロジー（例えば、ボタンやジッパーのある衣装）や素材特性の変化も処理できます。本研究の一つの重要な貢献として、効率的に硬い伸縮モードを伝播させつつ局所的な詳細を保つ階層的なメッセージ伝播スキームを提案しています。実験結果から、私たちの手法が強力な基準モデルを定量的に上回り、その結果が最先端の手法よりもより現実的であると認識されていることを示しています。