STMPL: Human Soft-Tissue Simulation

在各种应用中，如虚拟现实和游戏中，模拟人体软组织在与外部物体相互作用过程中的变形是必不可少的。传统上，有限元方法（FEM）已被用于此目的，但它们往往速度较慢且资源密集。本文提出了一种基于数据驱动的非刚性变形模拟器的人体形状和软组织的统一表示方法。这种方法使得可以快速模拟真实的相互作用。我们的方法建立在SMPL模型之上，该模型考虑了刚体变换来生成人体形状。我们通过加入软组织层和直观的外部力表示来扩展SMPL。具体而言，我们将3D人体形状和软组织映射到2D UV地图上，并对其施加外部力。利用为2D数据设计的UNET架构，我们的方法实现了实时高精度推理。我们的实验表明，我们的方法实现了软组织层的合理变形，即使在未见过的场景中也是如此。

快速模拟软组织变形是虚拟现实和游戏等应用中的重要问题，传统的有限元方法效率较低。本文提出一种基于数据驱动的非刚性变形模拟器来解决这个问题。

本文提出了一种基于SMPL模型的人体形状和软组织的统一表示方法，并将外部力作用于2D UV图上，利用UNET架构实现实时高精度推断。

本文实现了快速模拟软组织变形的目标，提出了一种新颖的基于SMPL模型的数据驱动方法。实验结果表明，该方法在未知场景下也能实现软组织层的合理变形。

近期的相关研究包括：DeepMimic: Example-Guided Deep Reinforcement Learning of Physics-Based Character Skills、Deep Interactive Human Object Segmentation with Human-Object Interaction Layer和Realistic 3D/2D Rendering of Radiographs of Human Jaws for Dental Training等。