SMPL

转载自https://blog.csdn.net/chingswy/article/details/82118956

摘要：这篇文章提出了一个使用pose和shape参数驱动的线性的人体模型，模型的主要参数有：rest pose template,blend weights,pose-dependent blend shapes,identity-dependent blend shapes,和一个从vertices到joint的regressor，这些参数都是是从训练数据中学习得来的。与之前的工作不同的是，pose-dependent blend shapes这一项是pose旋转矩阵的线性函数。这样使得从一个大型数据集里面训练这个模型成为可能的。

关键词：Body shape, skinning（不重要）,blendshapes,soft-tissue(不重要)

项目地址：SMPL

导论

他们的目标是创造一个可以表示不同形状的身体的，可以随着动作自然的变形的，并且软组织在运动过程中还能发生形变的 人体模型。一般商业上的操作手法是手动操作mesh，来修改使用传统模型时出的问题。人的工作量就比较大。也有人从扫描的人体数据集中学习一个统计的身体模型，但是与商用软件不兼容，没法使用。

因此SMPL模型的目标就是，既能使用，又能表示大范围的人体，还要能通过pose来自然的形变，还要有软组织的动力学，做动画的效率高，并且和现有的渲染引擎兼容。

现有的LBS模型是使用得最广泛的，他是建立vertices和骨架之间的关系。但是这个模型会出现一些问题。

模型定义

模型与SCAPE类似，将身体形状分解为identity-dependent shape和non-rigid pose dependent shape。这个人体模型包含了个点，与个关节。男女的大部分参数都是通用的。

模型的输入参数为形状参数，和动作参数,模型中包含以下几项：

• ,平均的模板形状 (mean template shape)

  这个时候的pose是zero pose,()

• ,各个关节的混合权重

• ,blend shape函数，将shape参数映射到每一个点上

• ，将shape参数映射到每个joint的位置上

• ,将pose参数映射到每个点上

最终得到的结果就是 ,将shape和pose参数映射到每个点上。这里的 指的是学习的模型的参数。

模型参数

pose参数是使用axis-angle来定义的，对于每一个joint，都有一个，然后加上原点处的，总共24个关节，就有72个参数。旋转矩阵是使用Rodrigues formula计算得到

,将rest pose、joint location、pose参数、blend weights权重转化成每个点的坐标量。

代码实现

原始的代码是基于 chumpy 实现的，这个库似乎已经没有人维护了。而且也没法进行GPU计算。

模型参数：
略

SMPL的numpy及TensorFlow实现

hmr论文中SMPL的tf实现

作者：chingswy
来源：CSDN
原文：https://blog.csdn.net/chingswy/article/details/82118956
版权声明：本文为博主原创文章，转载请附上博文链接！