PICA: Physics-Integrated Clothed Avatar

我们介绍了一种新颖的表示方法PICA，用于高保真度可动画人物化身的服装，包括宽松的服装，其物理动态准确无误。以前基于神经渲染的可动画人物服装表示通常采用单一模型来表示服装和基础身体。虽然高效，但这些方法通常不能准确地表示复杂的服装动态，导致不正确的变形和明显的渲染伪影，尤其是对于滑动或宽松的服装。此外，以前的作品将服装动态表示为姿势相关的变形，并以数据驱动的方式促进新的姿势动画。这通常会导致不忠实地呈现运动力学并容易在超出分布的姿势中生成伪影的结果。为了解决这些问题，我们采用两个具有不同变形特性的单独的3D高斯喷洒模型来分别建模人体和服装。这种区别允许更好地处理它们各自的运动特性。通过这种表示，我们整合了一个基于图神经网络（GNN）的服装身体物理模拟模块，以确保服装动态的准确表示。通过其精心设计的特性，我们的方法实现了复杂和新颖驾驶姿势下的高保真度渲染，显著优于相同设置下的以前的方法。

本篇论文旨在提出一种高保真度的可动画服装人体模型表示方法，能够准确地模拟服装的物理动态，包括宽松的衣物，以及避免在不同姿势下出现变形和伪影等渲染问题。

本文采用了两个分别表示人体和服装的3D高斯喷洒模型，通过图神经网络模拟服装物理学，以更好地处理它们各自的动态特征。相对于以前的方法，本文提出的方法在复杂和新颖的姿势下实现了高保真度的渲染效果。

本文的亮点包括：采用了两个分别表示人体和服装的3D高斯喷洒模型，以更好地处理它们各自的动态特征；通过图神经网络模拟服装物理学，以更好地模拟服装的物理动态；实验结果表明，本文提出的方法在复杂和新颖的姿势下实现了高保真度的渲染效果，明显优于以前的方法。

在这个领域中，最近的相关研究包括：Learning to Dress 3D People in Generative Clothing，DeepWrinkles: Accurate and Realistic Clothing Modeling，Dynamic Avatar Clothes: Modelling and Simulation。