[go: up one dir, main page]

CN110176063A - 一种基于人体拉普拉斯变形的服装变形方法 - Google Patents

一种基于人体拉普拉斯变形的服装变形方法 Download PDF

Info

Publication number
CN110176063A
CN110176063A CN201910376727.2A CN201910376727A CN110176063A CN 110176063 A CN110176063 A CN 110176063A CN 201910376727 A CN201910376727 A CN 201910376727A CN 110176063 A CN110176063 A CN 110176063A
Authority
CN
China
Prior art keywords
human body
clothing
vertex set
discrete
vertex
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910376727.2A
Other languages
English (en)
Other versions
CN110176063B (zh
Inventor
骆立康
王露苑
金小刚
刘郴
黄宁海
邵泽希
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Flute Digital Technology Co Ltd
Original Assignee
Shanghai Flute Digital Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Flute Digital Technology Co Ltd filed Critical Shanghai Flute Digital Technology Co Ltd
Priority to CN201910376727.2A priority Critical patent/CN110176063B/zh
Publication of CN110176063A publication Critical patent/CN110176063A/zh
Priority to EP19928268.2A priority patent/EP3958217A4/en
Priority to PCT/CN2019/105295 priority patent/WO2020224144A1/zh
Priority to US17/520,593 priority patent/US11704871B2/en
Application granted granted Critical
Publication of CN110176063B publication Critical patent/CN110176063B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205—Re-meshing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/16—Cloth
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2021—Shape modification

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Architecture (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于人体拉普拉斯变形的服装变形方法，包括步骤：(1)在空间中输入人体网格模型和服装网格模型，分别进行离散化处理，得到离散人体顶点集和离散服装顶点集；(2)对离散人体顶点集和离散服装顶点集分别进行聚类，形成均匀离散人体顶点集和均匀离散服装顶点集；(3)定义均匀离散人体顶点集和均匀离散服装顶点集中所有顶点的集合为顶点集V，构建拉普拉斯矩阵；(4)控制离散化、聚类后的人体网格模型的顶点，带动离散化、聚类后的服装网格模型进行实时光滑形变；(5)将变形后的人体网格模型和服装网格模型映射回步骤(1)的空间，完成基于人体拉普拉斯变形的服装网格变形。

Description

一种基于人体拉普拉斯变形的服装变形方法
技术领域
本发明涉及三维网格变形技术领域，具体涉及一种基于人体拉普拉斯变形的服装变形方法。
背景技术
目前已有的虚拟试衣应用主要包括虚拟试衣网站、虚拟试衣镜和移动端的虚拟试衣系统。其中，比较常见的是三维的虚拟试衣镜。俄罗斯的AR DOOR科技公司开发的“试衣魔镜”、日本的Digital Fashion公司发明的“Active Lab”全交互虚拟试衣镜就是虚拟试衣镜的现实应用的典型案例。
虚拟试衣网站的优点是操作简单，设备要求门槛低；缺点是无法通过简单参数的调整达到与用户身材完全一致的效果，且模特的面部特征、衣服的质感的模拟缺乏，真实感与层次感较差。
虚拟试衣镜的工作原理是通过深度摄像头(例如Kinect)获取用户的影像、身材维度与运动信息，利用身材维度参数重建与用户体型一致的三维人体模型，同时将所展示的服装模型穿到人体模型上，用户可以操控人体模型发生运动，查看虚拟试衣的效果。
上述方法的优点是用户通过简单的动作和手势操作即可完成试衣，能够看到自身的试穿效果，系统的实时性和操作交互性较好。缺点是模型渲染效果与实际有明显差别，且服装模型往往不能与人体很好地贴合，因此这就对服装网格变形就提出了较高要求，使其能够贴合不同的人体并且随着人体运动自然地形变。
在计算机图形学等领域，三维模型变形是一项很重要的课题。三维模型变形指的是改变模型的全局形状的同时尽可能保持局部细节不变。三维模型的局部细节是其内在属性，因此在模型变形的同时需要保持其内在属性不变。
现有虚拟试衣中的服装变形方法基本都是骨骼蒙皮驱动的。这些方法需要动画师提前将服装通过人体进行骨骼绑定，这需要很大的人工成本和时间成本。除此之外，直接通过骨骼绑定得到的服装蒙皮效果，在实际的虚拟试衣中很容易因为蒙皮权重的不合理引起服装网格形变局部拉伸过度，影响试衣真实性。
拉普拉斯变形算法中的微分坐标是一种局部坐标，代表了三维模型局部集合细节的内在属性。基于拉普拉斯的变形方法，只需要选定三维模型上的一些顶点作为固定不变的区域，称为变形手柄；其他一些顶点作为产生变形的区域。通过移动变形手柄，其他没被选中的顶点通过拉普拉斯系统发生变化，达到平滑变形的效果。
发明内容
针对本领域存在的不足之处，本发明提供了一种基于人体拉普拉斯变形的服装变形方法，通过人体形变带动服装网格形变，简单高效，实时性好，是实时虚拟试衣交互的重要技术，解决了服装网格变形需要人工预处理的问题，同时克服了现有的变形算法容易导致局部拉伸过度的缺点，运用本方法服装在人体的带动下发生光滑的变形，在变形后仍能够保持服装的局部特征。
一种基于人体拉普拉斯变形的服装变形方法，包括步骤：
(1)在空间中输入人体网格模型和服装网格模型，分别进行离散化处理，得到离散人体顶点集和离散服装顶点集；
(2)对离散人体顶点集和离散服装顶点集分别进行聚类，形成均匀离散人体顶点集和均匀离散服装顶点集；
(3)定义均匀离散人体顶点集和均匀离散服装顶点集中所有顶点的集合为顶点集V，构建拉普拉斯矩阵；
(4)控制离散化、聚类后的人体网格模型的顶点，带动离散化、聚类后的服装网格模型进行实时光滑形变；
(5)将变形后的人体网格模型和服装网格模型映射回步骤(1)的空间，完成基于人体拉普拉斯变形的服装网格变形。
在本发明中，将人体网格离散化后的顶点作为变形手柄，通过用户驱动人体模型的部分关节运动产生人体模型变形，然后通过拉普拉斯系统将人体所穿着的服装网格带动进行变形。
步骤(1)中，在实际应用中，输入的三维人体和服装模型网格往往是不均匀分布的，有些部分网格稠密，有些部分网格稀疏。如果直接将这样不均匀的网格运用到网格变形中，会很大程度影响变形效果。因此需要在预处理阶段对人体和服装模型进行一些优化处理，使其变得均匀。
步骤(1)的具体方法为：输入人体网格MB和服装网格MC，进行离散化处理，取输入的网格信息中的顶点信息，分别得到离散化后的人体顶点集VB和服装顶点集VC。
作为优选，步骤(1)中，进行离散化处理的同时记录下输入的人体网格模型和服装网格模型中所有顶点之间的距离和原始拓扑连接关系，以便步骤(5)恢复映射使用。
步骤(2)的具体方法为：将离散人体顶点集和离散服装顶点集所在的空间进行体素化处理，将空间均分成若干个体素立方体，将位于同一个体素立方体内的离散人体顶点或离散服装顶点聚类成为一个人体顶点或服装顶点，形成均匀离散人体顶点集和均匀离散服装顶点集。
作为优选，根据步骤(1)中记录的原始拓扑连接关系，给均匀离散人体顶点集和均匀离散服装顶点集内所有顶点之间添加边连接关系。
步骤(3)中，由于人体和服装模型是独立的两个模型，这两个模型上的所有顶点分别有各自的拓扑连接关系，因此它们在拓扑结构上是分离的。同时，由于需要实现人体网格带动服装网格变形，在构建拉普拉斯矩阵时需要将这两个模型离散后的顶点集作为一个整体进行处理。这就要求同时考虑三维模型的拓扑信息和几何信息，因此在本步骤中需要构建几何拉普拉斯矩阵。
顶点集V包含n个顶点，对于其中的任意一个顶点i，其欧氏坐标可表示为vi＝[vix，viy，viz]T∈R3。对于顶点集，
顶点集V所有顶点的位置可以表示为维数为n的向量F。对应的，拉普拉斯矩阵是一个n×n的稀疏矩阵L。因此，对离散的人体和服装模型进行拉普拉斯操作就是把拉普拉斯矩阵和顶点的位置向量相乘，即L×F。
拉普拉斯矩阵是一个稀疏矩阵，其非零元素值的赋值方式与顶点之间的邻接矩阵类似。根据计算需要的不同，有多种拉普拉斯矩阵的构建方式，本发明使用基于度数的组合拉普拉斯矩阵，拉普拉斯矩阵中的元素aij的赋值如下：
当i≠j时，若顶点i与顶点j之间有一条边相连，则aij＝-1，否则aij＝0；
当i＝j时，aij为与顶点i有边相连的顶点个数。
拉普拉斯变形的核心是把顶点的坐标从欧氏空间转换到微分坐标空间。要保持服装模型的局部细节不变，就需要保持变形后的局部微分坐标不变。所述步骤(4)的具体方法为：
(a)计算顶点集V中每个顶点的微分坐标：
Δ＝LV
其中，Δ为n×3的矩阵，表示n个顶点的微分坐标；L表示构建的拉普拉斯矩阵；V为n×3的矩阵，表示n个顶点的欧式坐标；
(b)在离散化、聚类后的人体网格模型的顶点集中选取若干个顶点作为控制手柄，输入所选取顶点要变形到达的欧式坐标系下的新位置ui，i∈C，C表示控制手柄上的所有顶点的集合；
(c)根据步骤(a)求得的微分坐标和步骤(b)获取的控制手柄上顶点的新位置ui，通过拉普拉斯变形求解顶点集V所有顶点在欧式坐标系下的新位置，具体归结为求解一个带位置约束的最优化问题，最优化方程如下：
其中，V′矩阵的每一行表示顶点集V所有顶点在欧式坐标系下的新位置向量；v′i表示计算得到的控制手柄上第i个顶点的新位置；
(d)求解步骤(c)中的最优化方程，得到顶点集V变形后所有顶点在欧式坐标系下的新位置。
步骤(d)中，可将步骤(c)中的最优化方程化简，即可将求解最优化问题转化为求解线性方程组，从而得到顶点集V变形后所有顶点在欧式坐标系下的新位置。
所述步骤(5)的具体方法为：根据步骤(1)所记录的输入的人体网格模型和服装网格模型中所有顶点之间的距离和原始拓扑连接关系，利用变形后的均匀离散人体顶点集和均匀离散服装顶点集内所有顶点的新位置计算出步骤(1)空间中的人体网格模型和服装网格模型的顶点的新位置，同时恢复原始拓扑连接关系，完成基于人体拉普拉斯变形的服装网格变形。
进一步的，在所述的步骤(2)中，通过体素化和聚合的方式得到简化的人体网格顶点集V′B和服装网格顶点集V′C。以人体网格顶点为例，对于原始的、未简化的人体网格顶点集VB中的一点i，假设按照给定的距离范围内，有m个简化后的人体网格顶点：s1,s2,…,sm，记录下点i与这m个简化后的人体网格顶点之间的距离
那么，点i的欧氏坐标可以表示为：
其中，表示m个简化顶点的欧氏坐标；表示以距离为自变量的权重函数，j＝1，2,…,m。
根据在步骤(2)中记录下来的权重函数和相邻顶点关系，即可根据形变后的简化人体网格顶点的新位置计算出原始分辨率的人体网格顶点的新位置，同时恢复原始的拓扑连接关系，在恢复的顶点之间添加边连接关系。
进一步的，对服装网格顶点使用同样的方法，最后得到最终的映射后的原始分辨率的、变形后的人体和服装网格。
本发明可以实时地模拟虚拟试衣过程中服装随人体运动而发生变形的行为，与现有技术相比，主要优点包括：
(1)通过将人体作为控制顶点进行拉普拉斯变形带动服装网格发生变形，只需要提前求解拉普拉斯矩阵和求解线性方程组过程中的一些中间变量的值，即可实现服装网格的实时变形。
(2)服装网格变形过程中能够较好地保留局部特征，避免了拉伸过度的问题。
(3)人体形变可以通过算法光滑地传递到服装网格上。
附图说明
图1为本发明的基于人体拉普拉斯变形的服装变形方法的流程示意图。
具体实施方式
下面结合附图及具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。下列实施例中未注明具体条件的实验方法，通常按照常规条件，或按照制造厂商所建议的条件。
本发明的基于人体拉普拉斯变形的服装变形方法的流程如图1所示，主要步骤如下：
(I)将输入的原始人体网格模型和服装网格模型进行离散化，得到离散人体顶点集和离散服装顶点集；
(II)对离散人体顶点集和离散服装顶点集进行聚类，得到均匀离散人体顶点集和均匀离散服装顶点集；
(III)将均匀离散人体顶点集和均匀离散服装顶点集作为一个整体，构建拉普拉斯矩阵；
(IV)计算顶点集所有顶点的微分坐标；
(V)在离散化、聚类后的人体网格模型的顶点集中选取若干个顶点作为控制手柄；
(VI)输入控制手柄在变形后要到达的欧式坐标系下的新位置；
(VII)求解包含顶点集所有顶点新位置的最优化问题，得到顶点集所有顶点变形后在欧式坐标系下的新位置；
(VIII)将变形后的简化人体网格顶点和简化服装网格顶点映射回原始分辨率的网格空间，完成基于人体拉普拉斯变形的服装网格变形。
下面具体介绍本实施例的基于人体拉普拉斯变形的服装变形方法，包括步骤：
(1)在空间中输入人体网格模型MB和服装网格模型MC，分别进行离散化处理，取输入的网格信息中的顶点信息，得到离散人体顶点集VB和离散服装顶点集VC。
进行离散化处理的同时记录下输入的人体网格模型和服装网格模型中所有顶点之间的距离和原始拓扑连接关系，以便步骤(5)恢复映射使用。
(2)对离散人体顶点集和离散服装顶点集分别进行聚类，形成均匀离散人体顶点集和均匀离散服装顶点集。具体方法为：将离散人体顶点集和离散服装顶点集所在的空间进行体素化处理，将空间均分成若干个体素立方体，将位于同一个体素立方体内的离散人体顶点或离散服装顶点聚类成为一个人体顶点或服装顶点，形成均匀离散人体顶点集和均匀离散服装顶点集。
根据步骤(1)中记录的原始拓扑连接关系，给均匀离散人体顶点集和均匀离散服装顶点集内所有顶点之间添加边连接关系。
(3)定义均匀离散人体顶点集和均匀离散服装顶点集中所有顶点的集合为顶点集V，构建拉普拉斯矩阵；拉普拉斯矩阵是一个n×n的稀疏矩阵L，n为顶点集V中的顶点个数。
拉普拉斯矩阵中的元素aij的赋值如下：
当i≠j时，若顶点i与顶点j之间有一条边相连，则aij＝-1，否则aij＝0；
当i＝j时，aij为与顶点i有边相连的顶点个数。
(4)控制离散化、聚类后的人体网格模型的顶点，带动离散化、聚类后的服装网格模型进行实时光滑形变。具体方法为：
(a)计算顶点集V中每个顶点的微分坐标：
Δ＝LV
其中，Δ为n×3的矩阵，表示n个顶点的微分坐标；L表示构建的拉普拉斯矩阵；V为n×3的矩阵，表示n个顶点的欧式坐标；
(b)在离散化、聚类后的人体网格模型的顶点集中选取若干个顶点作为控制手柄，输入所选取顶点要变形到达的欧式坐标系下的新位置ui，i∈C，C表示控制手柄上的所有顶点的集合；
(c)根据步骤(a)求得的微分坐标和步骤(b)获取的控制手柄上顶点的新位置ui，通过拉普拉斯变形求解顶点集V所有顶点在欧式坐标系下的新位置，具体归结为求解一个带位置约束的最优化问题，最优化方程如下：
其中，V′矩阵的每一行表示顶点集V所有顶点在欧式坐标系下的新位置向量；v′i表示计算得到的控制手柄上第i个顶点的新位置；
(d)求解步骤(c)中的最优化方程，得到顶点集V变形后所有顶点在欧式坐标系下的新位置。
(5)将变形后的人体网格模型和服装网格模型映射回步骤(1)的空间，完成基于人体拉普拉斯变形的服装网格变形。具体方法为：根据步骤(1)所记录的输入的人体网格模型和服装网格模型中所有顶点之间的距离和原始拓扑连接关系，利用变形后的均匀离散人体顶点集和均匀离散服装顶点集内所有顶点的新位置计算出步骤(1)空间中的人体网格模型和服装网格模型的顶点的新位置，同时恢复原始拓扑连接关系，完成基于人体拉普拉斯变形的服装网格变形。
此外应理解，在阅读了本发明的上述描述内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (7)

1.一种基于人体拉普拉斯变形的服装变形方法，包括步骤：
(1)在空间中输入人体网格模型和服装网格模型，分别进行离散化处理，得到离散人体顶点集和离散服装顶点集；
(2)对离散人体顶点集和离散服装顶点集分别进行聚类，形成均匀离散人体顶点集和均匀离散服装顶点集；
(3)定义均匀离散人体顶点集和均匀离散服装顶点集中所有顶点的集合为顶点集V，构建拉普拉斯矩阵；
(4)控制离散化、聚类后的人体网格模型的顶点，带动离散化、聚类后的服装网格模型进行实时光滑形变；
(5)将变形后的人体网格模型和服装网格模型映射回步骤(1)的空间，完成基于人体拉普拉斯变形的服装网格变形。
2.根据权利要求1所述的基于人体拉普拉斯变形的服装变形方法，其特征在于，步骤(1)中，进行离散化处理的同时记录下输入的人体网格模型和服装网格模型中所有顶点之间的距离和原始拓扑连接关系。
3.根据权利要求1所述的基于人体拉普拉斯变形的服装变形方法，其特征在于，步骤(2)的具体方法为：将离散人体顶点集和离散服装顶点集所在的空间进行体素化处理，将空间均分成若干个体素立方体，将位于同一个体素立方体内的离散人体顶点或离散服装顶点聚类成为一个人体顶点或服装顶点，形成均匀离散人体顶点集和均匀离散服装顶点集。
4.根据权利要求2所述的基于人体拉普拉斯变形的服装变形方法，其特征在于，根据步骤(1)中记录的原始拓扑连接关系，给均匀离散人体顶点集和均匀离散服装顶点集内所有顶点之间添加边连接关系。
5.根据权利要求1所述的基于人体拉普拉斯变形的服装变形方法，其特征在于，步骤(3)中，所述的拉普拉斯矩阵为n×n的稀疏矩阵，n为顶点集V包含的顶点个数，拉普拉斯矩阵中的元素aij的赋值如下：
当i≠j时，若顶点i与顶点j之间有一条边相连，则aij＝-1，否则aij＝0；
当i＝j时，aij为与顶点i有边相连的顶点个数。
6.根据权利要求1或5所述的基于人体拉普拉斯变形的服装变形方法，其特征在于，所述步骤(4)的具体方法为：
(a)计算顶点集V中每个顶点的微分坐标：
Δ＝LV
其中，Δ为n×3的矩阵，表示n个顶点的微分坐标；L表示构建的拉普拉斯矩阵；V为n×3的矩阵，表示n个顶点的欧式坐标；
(b)在离散化、聚类后的人体网格模型的顶点集中选取若干个顶点作为控制手柄，输入所选取顶点要变形到达的欧式坐标系下的新位置ui，i∈C，C表示控制手柄上的所有顶点的集合；
(c)根据步骤(a)求得的微分坐标和步骤(b)获取的控制手柄上顶点的新位置ui，通过拉普拉斯变形求解顶点集V所有顶点在欧式坐标系下的新位置，具体归结为求解一个带位置约束的最优化问题，最优化方程如下：
其中，V′矩阵的每一行表示顶点集V所有顶点在欧式坐标系下的新位置向量；v′i表示计算得到的控制手柄上第i个顶点的新位置；
(d)求解步骤(c)中的最优化方程，得到顶点集V变形后所有顶点在欧式坐标系下的新位置。
7.根据权利要求4所述的基于人体拉普拉斯变形的服装变形方法，其特征在于，所述步骤(5)的具体方法为：根据步骤(1)所记录的输入的人体网格模型和服装网格模型中所有顶点之间的距离和原始拓扑连接关系，利用变形后的均匀离散人体顶点集和均匀离散服装顶点集内所有顶点的新位置计算出步骤(1)空间中的人体网格模型和服装网格模型的顶点的新位置，同时恢复原始拓扑连接关系，完成基于人体拉普拉斯变形的服装网格变形。
CN201910376727.2A 2019-05-07 2019-05-07 一种基于人体拉普拉斯变形的服装变形方法 Active CN110176063B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910376727.2A CN110176063B (zh) 2019-05-07 2019-05-07 一种基于人体拉普拉斯变形的服装变形方法
EP19928268.2A EP3958217A4 (en) 2019-05-07 2019-09-11 GARMENT DEFORMATION METHOD BASED ON HUMAN BODY LAPLACE DEFORMATION
PCT/CN2019/105295 WO2020224144A1 (zh) 2019-05-07 2019-09-11 一种基于人体拉普拉斯变形的服装变形方法
US17/520,593 US11704871B2 (en) 2019-05-07 2021-11-05 Garment deformation method based on the human body's Laplacian deformation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910376727.2A CN110176063B (zh) 2019-05-07 2019-05-07 一种基于人体拉普拉斯变形的服装变形方法

Publications (2)

Publication Number Publication Date
CN110176063A true CN110176063A (zh) 2019-08-27
CN110176063B CN110176063B (zh) 2022-05-27

Family

ID=67690571

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910376727.2A Active CN110176063B (zh) 2019-05-07 2019-05-07 一种基于人体拉普拉斯变形的服装变形方法

Country Status (4)

Country Link
US (1) US11704871B2 (zh)
EP (1) EP3958217A4 (zh)
CN (1) CN110176063B (zh)
WO (1) WO2020224144A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020224144A1 (zh) * 2019-05-07 2020-11-12 上海凌笛数码科技有限公司 一种基于人体拉普拉斯变形的服装变形方法
CN112102470A (zh) * 2020-08-18 2020-12-18 亿匀智行(深圳)科技有限公司 线性可微的参数化服装模型制作方法及其参数的优化方法
CN119810374A (zh) * 2025-03-17 2025-04-11 杭州淘粉吧网络技术股份有限公司 一种面向虚拟试衣的保轮廓特征网格变形系统及其方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792859B (zh) * 2021-09-13 2022-06-17 中南大学 一种无监督形状对应方法及人体形状对应方法
CN116407111A (zh) * 2021-12-30 2023-07-11 海信集团控股股份有限公司 基于人体网格模型与点云数据的测量方法及设备
CN115511578A (zh) * 2022-10-18 2022-12-23 深圳市影儿服饰有限公司 一种自适应形象的智能试衣算法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473806A (zh) * 2013-09-23 2013-12-25 北京航空航天大学 一种基于单幅图像的服装三维模型构建方法
CN106096130A (zh) * 2016-06-12 2016-11-09 北京航空航天大学 一种基于拉普拉斯坐标的不同材料衣物仿真及优化方法
US20180315253A1 (en) * 2017-04-28 2018-11-01 Linden Research, Inc. Virtual Reality Presentation of Clothing Fitted on Avatars
CN109196561A (zh) * 2017-02-15 2019-01-11 斯戴尔米有限公司 用于针对试衣可视化进行三维衣服网格变形和分层的系统和方法
CN109308732A (zh) * 2018-09-07 2019-02-05 中山大学 基于控制网格变形的部件网格融合方法及系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070273711A1 (en) * 2005-11-17 2007-11-29 Maffei Kenneth C 3D graphics system and method
GB201104312D0 (en) * 2011-03-14 2011-04-27 Bell Alexandra Improved virtual try on simulation service
GB2515343B (en) * 2013-06-21 2018-02-07 Toshiba Res Europe Limited Methods and systems for generating a three dimensional representation of a subject
CN103678769B (zh) * 2013-11-12 2017-01-04 浙江大学 基于人体骨架与二维形变的真实感服装创建方法
CN104821006B (zh) * 2015-05-18 2018-01-02 浙江理工大学 一种基于人体混合包围盒的动态服装仿真方法
GB2546572B (en) * 2015-08-14 2019-12-04 Metail Ltd Method and system for generating an image file of a 3D garment model on a 3D body model
CN106960463B (zh) * 2017-03-13 2020-05-26 东华大学 面向真实扫描人体的三维虚拟服装快速试衣方法
US11145138B2 (en) * 2017-04-28 2021-10-12 Linden Research, Inc. Virtual reality presentation of layers of clothing on avatars
CN107798713B (zh) * 2017-09-04 2021-04-09 昆明理工大学 一种面向二维虚拟试穿的图像变形方法
US10373373B2 (en) * 2017-11-07 2019-08-06 StyleMe Limited Systems and methods for reducing the stimulation time of physics based garment simulations
CN110176063B (zh) * 2019-05-07 2022-05-27 浙江凌迪数字科技有限公司 一种基于人体拉普拉斯变形的服装变形方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473806A (zh) * 2013-09-23 2013-12-25 北京航空航天大学 一种基于单幅图像的服装三维模型构建方法
CN106096130A (zh) * 2016-06-12 2016-11-09 北京航空航天大学 一种基于拉普拉斯坐标的不同材料衣物仿真及优化方法
CN109196561A (zh) * 2017-02-15 2019-01-11 斯戴尔米有限公司 用于针对试衣可视化进行三维衣服网格变形和分层的系统和方法
US20180315253A1 (en) * 2017-04-28 2018-11-01 Linden Research, Inc. Virtual Reality Presentation of Clothing Fitted on Avatars
CN109308732A (zh) * 2018-09-07 2019-02-05 中山大学 基于控制网格变形的部件网格融合方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020224144A1 (zh) * 2019-05-07 2020-11-12 上海凌笛数码科技有限公司 一种基于人体拉普拉斯变形的服装变形方法
US11704871B2 (en) 2019-05-07 2023-07-18 Shanghai Linctex Digital Technology Co, Ltd. Garment deformation method based on the human body's Laplacian deformation
CN112102470A (zh) * 2020-08-18 2020-12-18 亿匀智行(深圳)科技有限公司 线性可微的参数化服装模型制作方法及其参数的优化方法
CN119810374A (zh) * 2025-03-17 2025-04-11 杭州淘粉吧网络技术股份有限公司 一种面向虚拟试衣的保轮廓特征网格变形系统及其方法

Also Published As

Publication number Publication date
US20220058873A1 (en) 2022-02-24
EP3958217A1 (en) 2022-02-23
EP3958217A4 (en) 2022-07-06
CN110176063B (zh) 2022-05-27
WO2020224144A1 (zh) 2020-11-12
US11704871B2 (en) 2023-07-18

Similar Documents

Publication Publication Date Title
CN110176063B (zh) 一种基于人体拉普拉斯变形的服装变形方法
Jiang et al. Bcnet: Learning body and cloth shape from a single image
US11348314B2 (en) Fast and deep facial deformations
CN110288695B (zh) 基于深度学习的单帧图像三维模型表面重建方法
Wang et al. Design automation for customized apparel products
CN104008557B (zh) 一种服装与人体模型的三维匹配方法
JP7378642B2 (ja) 生成的非線形人間形状モデル
CN111028335B (zh) 一种基于深度学习的点云数据的分块面片重建方法
CN112991502A (zh) 一种模型训练方法、装置、设备及存储介质
JP7294788B2 (ja) ３ｄ配置のタイプに応じた２ｄ画像の分類
EP4111420A1 (en) Face mesh deformation with detailed wrinkles
CN115972202B (zh) 控制机械臂操作的方法、机器人、设备、介质和产品
Orvalho et al. Transferring the rig and animations from a character to different face models
Zhou et al. Image deformation with vector-field interpolation based on MRLS-TPS
Li et al. Computer-aided 3D human modeling for portrait-based product development using point-and curve-based deformation
US11645813B2 (en) Techniques for sculpting digital faces based on anatomical modeling
CN112508639A (zh) 虚拟化人体系统的交互方法、电子设备和计算机可读介质
CN115908664B (zh) 人机交互的动画生成方法、装置、计算机设备、存储介质
Cheng et al. Automatic skeleton generation and character skinning
Ait Mouhou et al. 3D garment positioning using Hermite radial basis functions
CN109308732A (zh) 基于控制网格变形的部件网格融合方法及系统
Pawaskar et al. Expression transfer: A system to build 3d blend shapes for facial animation
Fadaifard et al. Image warping for retargeting garments among arbitrary poses
Mishra et al. Realistic 3D Object Generation Using Seam Aware Landmark Detectors with Texture and Lighting
He et al. Toward accurate and realistic garment texture transfer with attention to details

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: Room 1958, No. 639 Qianjiang Road, Shangcheng District, Hangzhou, Zhejiang 310008

Applicant after: Zhejiang Lingdi Digital Technology Co., Ltd

Address before: 201105 13th floor, building g, MINGGU Science Park, No. 7001, Zhongchun Road, Minhang District, Shanghai

Applicant before: SHANGHAI LINCTEX DIGITAL TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant