用神经混合形状学习骨骼关节

我们使用预定识别的骨架结构构成用于铰接3D字符的神经技术，这对于动画具有运动捕获（MoCAP）数据的字符至关重要。此外，我们提出了神经混合形状 - 一组矫正姿势依赖性形状，用于解决在关节区域中的标准索具和剥皮技术引起的臭名昭着的伪影。

从T-POSE中的字符模型开始，以及所需骨架层次结构上的关节旋转，我们的信封分支预测了相应的剥皮和索具参数，并使用差分包络使输入字符变形。并行地，残差变形分支使用输入网格来预测混合形状并使用关节旋转来预测相应的混合系数。该设计还通过仅使用间接监控观察变形的形状，在底层变形模型上没有假设，该设计也能够通过观察变形的形状进行训练。

我们的网络建立在Hanocka等人的Meshcnn运营商之上。 [2019]和Aberman等人的骨架感知算子。 [2020]，它能够产生用于任意网格连接性的高质量变形。