计算机辅助设计与图形学学报

作者：刘珏

关键词：姿态迁移, 形变迁移, 卷积神经网络, 条件归一化

为了解决现有方法中姿态特征在前向传播过程中的姿态失真问题, 提出了一种基于双侧通道特征融合的姿态迁移网络. 首先, 通过姿态编码器从源网格中提取固定长度的姿态编码, 并将其和目标顶点组合成混合特征; 然后, 设计了一种特征融合自适应实例归一化模块, 通过 2 个侧通道处理三维网格的姿态和身份特征, 使姿态特征在逐层前向传播中得到补偿, 从而解决姿态失真问题; 最后, 使用该模块构成的网格解码器, 逐步将姿态迁移到目标网格上. 在 SMPL, SMAL, FAUST 和 MultiGarment 数据集上的实验结果表明, 文中方法在保持较小网络结构的同时, 评价指标 PMD, CD 和 EMD 分别达到 0.57×10-4, 1.37×10-4 和 13.40×10-3, 成功地解决了姿态失真问题, 同时能够适应不同顶点数的网格. 文中方法的代码详见 https://github.com/YikiDragon/DSFFNet.

来源：2025年第8期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第8期