在人体形体的重建和驱动领域，近期方法普遍将网格模型替换成神经( 二 ) _科普

邻接部件缝合（APS）
通过上述方法，该方法已经能够在训练动作下保证部件的正确划分和紧密相接。但在推广至新动作时，仍存在下图所示的断裂和重叠的问题。
因此文章提出Part ，即通过显式地建模相邻部件之间的相互作用来维持部件之间的稳定连接，显著提升了分部件重建方法对新动作的泛化能力。
基于局部旋转的邻接部件缝合
邻接部件缝合的核心是通过对相邻部件的运动进行加权对部件末端施加形变，保证部件接面的对齐。具体而言，是通过叠加偏移量使局部空间扭曲，实现非刚性形变。
通过混合多个偏移量，该方法同样适用于三个或更多部件相连的情况。
由 “部件竞争” 定义的混合权重
上述方法描述了邻接部件缝合的基本原理，但并未涉及混合权重 ω 的定义。为了增强方法的灵活性，文章进一步提出了一种参数化的混合权重定义方法，即“部件竞争” 。

文章插图
实验验证
作者在 CAPE 和数据集上进行了实验。
在动作内插实验中，该方法展示出与基线方法相当的表达能力和对动作估计误差的更强的鲁棒性。
在动作外插实验中，该方法能够更好地保持形体的局部刚性，表现出更强的动作泛化能力和稳定性。
数值结果与上述观察一致。aiot
通过消融，作者进一步验证了方法各部分的必要性。
在下图这组对比中，邻接部件缝合算法显著改善了分部件重建方法在新动作下出现重叠和断裂的问题。
完事~~~