초록
기존 방법에서 자세 특성의 전방 전파 과정에서 발생하는 자세 왜곡 문제를 해결하기 위해, 이 논문은 자세 전송을 위한 쌍방향 특성 융합 네트워크(Dual-Side Feature Fusion Network, DSFFNet)를 제안합니다. 첫째, 소스 메시에서 고정 길이의 자세 코드를 추출하여 타겟 정점과 결합하여 혼합 특성을 형성합니다. 둘째, 자세와 신원 특성을 동시에 처리할 수 있는 특성 융합 적응형 인스턴스 정규화 모듈(Feature Fusion Adaptive Instance Normalization, FFAdaIN)을 설계하였습니다. 이 모듈을 통해 층별로 자세 특성이 보완되므로, 자세 왜곡 문제를 해결할 수 있습니다. 마지막으로, 이 모듈로 구성된 메시 디코더를 사용하여 자세가 점진적으로 타겟 메시로 전송됩니다. SMPL, SMAL, FAUST 및 MultiGarment 데이터셋에 대한 실험 결과는 DSFFNet이 더 작은 네트워크 구조를 유지하면서도 강력한 자세 전송 능력과 빠른 수렴 속도를 가지며, 서로 다른 정점 수의 메시에 적응할 수 있음을 보여줍니다. 코드는 https://github.com/YikiDragon/DSFFNet에서 제공됩니다.