前言:越来越多的数字人技术里用到了SMPL技术,其中最常用的就是去年年底又OpenMMLab出品的SMPLer-X。这篇博客就从原始论文《SMPLer-X: Scaling Up Expressive Human Pose and Shape Estimation》出发讲解一下原理。
目录
什么是SMPL?
SMPL(Skinned Multi-Person Linear Model)是一种基于顶点的蒙皮模型,用于精确表示自然人体姿势中的各种体形。它能够表示不同的姿态下不同体格(高矮胖瘦)的人。SMPL模型通过形状参数(shape parameters)来控制体格,通过姿态参数(pose parameters)来控制不同的姿态,并且这些控制都是线性的。SMPL模型包含6890个顶点和24个关节(23个关节点+1个根节点)。
SMPL模型的主要特点包括:
1. 逼真的人体形状和姿势学习模型:SMPL能够创建逼真的动画人体,表示不同的身体形状,通过姿势自然变形,并显示出像真人一样的软组织运动。
2. 与现有渲染引擎兼容:SMPL允许动画师控制,并可用于研究目的,可以利用已有的软件和渲染引擎环境以加快渲染速度。
3. 学习人体形状和位置依赖的形状变化模型:模型的参数从数据中学习,包括静止姿势模板、混合权重、姿势相关的混合变形、身份相关的混合变形以及从顶点到关节位置的回归。
4. 姿态相关的混合变形:与以前的模型不同,SMPL中的姿势相关的混合变形是姿势旋转矩阵元素的线性函数。这个简单的公式能够从相对大量的不同姿势的不同人的对齐3D网格中训练整个模型。
5. 参数化表示:SMPL通过计算pose和shape parameters的线性函数来渲染身体网格,这使得SMPL模型可以通过从大量数据中学习来优化。
订阅专栏 解锁全文
2496



被折叠的 条评论
为什么被折叠?



