CLOAF: CoLlisiOn-Aware Human Flow

即使是目前最好的身体三维形状和姿势估计算法，其结果仍包括身体自相交。在本文中，我们提出了CLOAF，它利用常微分方程的微分同胚性质，在保持身体形状约束的同时消除了这种自相交。我们展示了与早期解决此问题的方法不同，我们的方法完全消除了自相交，而不会影响重建的准确性。CLOAF是可微分的，可以用来微调姿势和形状估计基线，以提高其整体性能并消除其预测中的自相交。此外，我们展示了我们的CLOAF策略如何应用于由用户引起的实际任何运动场。CLOAF还使得编辑运动以与环境互动成为可能，而不必担心潜在的碰撞或失去身体形状先验。

论文致力于解决估计人体3D形状和姿势时出现自身交叉的问题，提出了一种利用ODE的可微分方法CLOAF来解决这一问题。

CLOAF利用ODE的可微分性质来消除自身交叉，同时保持人体形状的约束条件，相比之前的方法，CLOAF能够完全消除自身交叉，而不会影响重建的准确性。CLOAF还能够用于微调姿势和形状估计的基线，以提高它们的性能和消除预测中的自身交叉。

论文的实验结果表明，CLOAF能够有效地消除自身交叉，并且不会影响重建的准确性。此外，CLOAF还可以用于编辑运动，以与环境进行交互而不必担心潜在的碰撞或形状丢失。论文使用了公开数据集，并且公开了代码。

最近的相关研究包括：Self-Intersection Resolution Learning for Implicit Surface Representations，DeepSDF，Deep Marching Cubes等。