本文是对发表于计算机图形学顶级会议 SIGGRAPH 2021 的论文 Learning Skeletal Articulations with Neural Blend Shapes 的解读。

该论文由北京大学陈宝权教授研究团队与北京电影学院未来影像高精尖创新中心、Google Research、特拉维夫大学以及苏黎世联邦理工学院合作,针对骨骼驱动的模型动画的高质量自动化生成进行改进,提出了神经融合形状技术。实验证明,该方法显著减少了已有方法中需要的人工干预,大大提升了生成动画的质量。

成为VIP会员查看完整内容
14

相关内容

专知会员服务
15+阅读 · 2021年5月13日
专知会员服务
19+阅读 · 2021年3月18日
专知会员服务
37+阅读 · 2020年10月15日
【CVPR2020】时序分组注意力视频超分
专知会员服务
30+阅读 · 2020年7月1日
CVPR 2020 最佳论文与最佳学生论文!
专知会员服务
35+阅读 · 2020年6月17日
 【SIGGRAPH 2020】人像阴影处理,Portrait Shadow Manipulation
专知会员服务
28+阅读 · 2020年5月19日
MICS2020 | 29个大会报告视频回放集锦
中国图象图形学报
12+阅读 · 2020年7月30日
基于姿态的人物视频生成【附PPT与视频资料】
人工智能前沿讲习班
32+阅读 · 2019年1月28日
视频生成的前沿论文,看我们推荐的7篇就够了
人工智能前沿讲习班
34+阅读 · 2018年12月30日
SIGGRAPH 2017:深度学习与计算机图形学的碰撞
机器学习研究会
5+阅读 · 2017年8月18日
Two Stream 3D Semantic Scene Completion
Arxiv
4+阅读 · 2018年7月16日
Arxiv
11+阅读 · 2018年4月8日
VIP会员
相关资讯
微信扫码咨询专知VIP会员