轉(zhuǎn)載自https://blog.csdn.net/chingswy/article/details/82118956
摘要：這篇文章提出了一個(gè)使用pose和shape參數(shù)驅(qū)動(dòng)的線性的人體模型肴敛，模型的主要參數(shù)有：rest pose template,blend weights,pose-dependent blend shapes,identity-dependent blend shapes,和一個(gè)從vertices到j(luò)oint的regressor堕仔，這些參數(shù)都是是從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)得來的急黎。與之前的工作不同的是，pose-dependent blend shapes這一項(xiàng)是pose旋轉(zhuǎn)矩陣的線性函數(shù)攻臀。這樣使得從一個(gè)大型數(shù)據(jù)集里面訓(xùn)練這個(gè)模型成為可能的。
關(guān)鍵詞：Body shape, skinning（不重要）,blendshapes,soft-tissue(不重要)
項(xiàng)目地址：SMPL
導(dǎo)論
他們的目標(biāo)是創(chuàng)造一個(gè)可以表示不同形狀的身體的催训，可以隨著動(dòng)作自然的變形的霍转，并且軟組織在運(yùn)動(dòng)過程中還能發(fā)生形變的 人體模型现使。一般商業(yè)上的操作手法是手動(dòng)操作mesh，來修改使用傳統(tǒng)模型時(shí)出的問題弹澎。人的工作量就比較大朴下。也有人從掃描的人體數(shù)據(jù)集中學(xué)習(xí)一個(gè)統(tǒng)計(jì)的身體模型，但是與商用軟件不兼容苦蒿，沒法使用殴胧。
因此SMPL模型的目標(biāo)就是，既能使用佩迟，又能表示大范圍的人體团滥，還要能通過pose來自然的形變，還要有軟組織的動(dòng)力學(xué)报强，做動(dòng)畫的效率高灸姊，并且和現(xiàn)有的渲染引擎兼容。
現(xiàn)有的LBS模型是使用得最廣泛的秉溉，他是建立vertices和骨架之間的關(guān)系力惯。但是這個(gè)模型會(huì)出現(xiàn)一些問題。
模型定義
模型與SCAPE類似召嘶，將身體形狀分解為identity-dependent shape和non-rigid pose dependent shape父晶。這個(gè)人體模型包含了個(gè)點(diǎn)，與
個(gè)關(guān)節(jié)弄跌。男女的大部分參數(shù)都是通用的甲喝。
模型的輸入?yún)?shù)為形狀參數(shù)，和動(dòng)作參數(shù)
,模型中包含以下幾項(xiàng)：
-
,平均的模板形狀 (mean template shape)
這個(gè)時(shí)候的pose是zero pose,(
)
,各個(gè)關(guān)節(jié)的混合權(quán)重
,blend shape函數(shù)铛只，將shape參數(shù)映射到每一個(gè)點(diǎn)上
埠胖，將shape參數(shù)映射到每個(gè)joint的位置上
,將pose參數(shù)映射到每個(gè)點(diǎn)上
最終得到的結(jié)果就是 ,將shape和pose參數(shù)映射到每個(gè)點(diǎn)上。這里的
指的是學(xué)習(xí)的模型的參數(shù)淳玩。
模型參數(shù)
pose參數(shù)是使用axis-angle來定義的直撤，對(duì)于每一個(gè)joint，都有一個(gè)凯肋，然后加上原點(diǎn)處的谊惭，總共24個(gè)關(guān)節(jié)，就有72個(gè)參數(shù)侮东。旋轉(zhuǎn)矩陣是使用Rodrigues formula計(jì)算得到
,將rest pose圈盔、joint location、pose參數(shù)悄雅、blend weights權(quán)重轉(zhuǎn)化成每個(gè)點(diǎn)的坐標(biāo)量驱敲。
<img src="http://10.76.2.114/wp-content/uploads/2018/08/1533969119775-300x96.png" alt="" width="300" height="96" class="aligncenter size-medium wp-image-36" />
代碼實(shí)現(xiàn)
原始的代碼是基于 chumpy 實(shí)現(xiàn)的，這個(gè)庫(kù)似乎已經(jīng)沒有人維護(hù)了宽闲。而且也沒法進(jìn)行GPU計(jì)算众眨。
模型參數(shù)：
略
SMPL的numpy及TensorFlow實(shí)現(xiàn)
hmr論文中SMPL的tf實(shí)現(xiàn)
作者：chingswy
來源：CSDN
原文：https://blog.csdn.net/chingswy/article/details/82118956
版權(quán)聲明：本文為博主原創(chuàng)文章握牧，轉(zhuǎn)載請(qǐng)附上博文鏈接！
