본문 바로가기
KERD
논문KCI 등재

K-SMPL: 한국인 체형 데이터 기반의 매개화된 인체 모델

K-SMPL: Korean Body Measurement Data Based Parametric Human Model

이성희|최별이
(사)한국컴퓨터그래픽스학회 (Korea Computer Graphics Society)|2022.09|한국컴퓨터그래픽스학회논문지 (Journal of the Korea Computer Graphics Society)|제28권 제4호|pp. 1-11

0

조회

0

다운로드

1

인용

0

참고문헌

키워드

optimization최적화체형body shape기하학적 모델링3D 휴먼 모델선형 스키닝Geometric Modeling3D human modelskinning

초록

선형 스키닝 기반 3D 인체 생성 모델 SMPL (Skinned Multi-Person Linear Model)은 1990년대 미국 거주 미국인들 3천 8백여명을 대상으로 만들어진 3D 신체 데이터베이스인 CEASAR 로부터 최적화 기법을 통해 만들어진 가장 널리 쓰이는 통계적인3D 모델이다. 본 연구는 한국인 체형의 통계적 특성을 보다 정확히 표현하는 SMPL기반의 한국인 체형 3D 모델을 제안한다. 이를 위해 우리는 한국인 여성 2천7백여명의 신체 각 부위의 실측 데이터에 기존 3D SMPL 모델을 피팅하는 비선형 최적화알고리즘을 개발한다. 이를 사용하여 한국인 3D 신체 데이터베이스를 구축하고, 주성분 분석 방법으로 한국인 체형 기반 매개화된 3D 모델을 개발한다. 본 연구를 통해 제안하는 한국인의 체형적 특징을 가진 블렌드쉐입과 새로운 체형 파라미터는기존 모델이 표현하는 체형에 비해 한국인 체형 데이터 특성을 잘 반영함을 확인하였다. 뿐만 아니라, 우리의 모델은 SMPL 에 비해 신체 실측 데이터에 대한 피팅 정확도를 개선함을 확인하였다. 제안된 모델은 향후 아바타 생성이나 인체 형상 측정등 다양한 용도로 사용될 수 있다.

Abstract

The Skinned Multi-Person Linear Model (SMPL) is the most widely used parametric 3D Human Model optimized and learned from CAESAR, a 3D human scanned database created with measurements from 3,800 people living in United States in the 1990s. We point out the lack of racial diversity of body types in SMPL and propose K-SMPL that better represents Korean 3D body shapes. To this end, we develop a fitting algorithm to estimate 2,773 Korean 3D body shapes from Korean body measurement data. By conducting principle component analysis to the estimated Korean body shapes, we construct K-SMPL model that can generate various Korean body shape in 3D. K-SMPL model allows to improve the fitting accuracy over SMPL with respect to the Korean body measurement data. K-SMPL model can be widely used for avatar generation and human shape fitting for Korean

참고문헌 (23)

  1. D. Anguelov, "Scape: Shape completion and animation of people", ACM Trans. Graph, 24(3), pp.408~416 (2005)[DOI]
  2. G. Pons-Moll, "Dyna:A model of dynamic human shape in motion", ACM Trans. Graph, 34(4) (2015)[DOI]
  3. Y. Chen, "Tensor-based human body modeling", Proceedings of the IEEE Conference on Com- puter Vision and Pattern Recognition (CVPR) (2013)
  4. H. Seo, "Synthesiz- ing animatable body models with parameterized shape modifications", SCA ’03 (2003)
  5. H. Xu, "Ghum ghuml: Generative 3d human shape and articulated pose models", Proceedings of the IEEE, 2020, ~
  6. M. Loper, "SMPL : A skinned multi-person linear model", ACM Trans. Graphics (Proc. SIGGRAPH Asia), 34(6), pp.248:1~248:16 (2015)
  7. T. von Marcard, "Sparse inertial poser: Automatic 3d human pose estimation from sparse imus, In Proceedings of the 38th Annual Conference of the European Association for Computer Graphics (Eurographics)", Computer Graphics Forum, 36(2) (2017)
  8. M. Loper, "Mosh: Motion and shape capture from sparse markers", ACM Trans. Graph, 33(6) (2014)[DOI]
  9. N. Mahmood, "Amass: Archive of motion capture as surface shapes", 2019 IEEE, 2019, 5441~5450
  10. A. Kanazawa, "End-toend recovery of human shape and pose", 2018 IEEE, 2018, 7122~7131
  11. M. Kocabas, "Vibe: Video inference for human body pose and shape estimation", Proceedings of the IEEE, 2020, ~
  12. A. A. A. Osman, "STAR: A sparse trained articulated human body regressor", 598~613
  13. K. Robinette, "Civilian American and European surface anthropometry resource(Caesar)", 74~ (2002)
  14. B. Allen, "The space of human body shapes : Reconstruction and parameterization from range scans", ACM Trans.Graph., 22(3), pp.587~594 (2003)
  15. H. Seo, "Synthesizing animat- able body models with parameterized shape modifications", ~ (2003)
  16. H. Joo, "Total capture: A 3d deformation model for tracking faces, hands, and bodies", 8320~8329 (2018)
  17. G. Pavlakos, "Expressive body capture:3d hands, face, and body from a single image", Proceedings IEEE Conf. on Computer Vision and Pattern Recognition (CVPR), pp.10 975~10 985 (2019)
  18. "SizeKorea" (2020)[URL]
  19. "Ceres Solver" (2022)[URL]
  20. 김용규, "3차원 형상 복원을 위한 점진적 점유 예측 네트워크", 한국컴퓨터그래픽스학회논문지, 27(3), pp.65~74 (2021), (사)한국컴퓨터그래픽스학회[DOI]
  21. 문지혜, "3D Magic Wand: 하모닉 필드를 이용한 메쉬 분할 기법", 한국컴퓨터그래픽스학회논문지, 28(1), pp.11~19 (2022), (사)한국컴퓨터그래픽스학회[DOI]
  22. 주은정, "정적 드레이프를 이용한 니트 옷감의 시뮬레이션 파라미터 추정", 한국컴퓨터그래픽스학회논문지, 26(5), pp.15~24 (2020), (사)한국컴퓨터그래픽스학회[DOI]
  23. 박정호, "형상 차이 기반 홀 패치의 파라미트릭 블렌딩 기법", 한국컴퓨터그래픽스학회논문지, 26(3), pp.39~48 (2020), (사)한국컴퓨터그래픽스학회[DOI]

관련 논문AI추천

한국인 표준 아바타 모델링을 위한 20-30대 여성 체형 분석윤지원, 홍은희한국의상디자인학회 · 한국의상디자인학회지2022 · 제24권 제4호Anthropometric Data Analysis for Body Shape Modeling in Korean이영숙대한체질인류학회 · 해부·생물인류학2013 · 제26권 제2호통계적 신체 외형 데이터베이스를 활용한 실루엣으로부터의 3차원 인체 외형 예측박상일, 안다솔(사)한국컴퓨터그래픽스학회 · 한국컴퓨터그래픽스학회논문지2023 · 제29권 제1호A Study on the Body Shape Analysis for an Avatar Generation of the Virtual Fitting System -Focusing on Korean Women in their 20's-장희경, Jianhui Chen한국패션비즈니스학회 · 패션 비즈니스2018 · 제22권 제3호가상 인체 모델링을 위한 전신 체형 연구- 20-30대 비만여성을 중심으로 -윤지원, 홍은희한국의상디자인학회 · 한국의상디자인학회지2023 · 제25권 제4호3차원 모핑기법에 의한 18-24세 여성의 체형별 대표 형상 도출을 위한 연구남윤자, 신주영, 최영림한국의류산업학회 · 한국의류산업학회지2011 · 제13권 제4호

이 간행물의 다른 논문 (3건)

극 분해 이론을 활용한 MPM기반의 입자 회전 애니메이션김창헌, 김기훈, 김선정, 송창용pp. 13-22화재 현장 영상에서 연기 영역을 제외한 이미지 기반 불의 영역 검출 기법김승남, 김선정, 최명진, 김창헌pp. 23-30회전체의 특성이 시각적 선호에 미치는 영향박희영, 김청택, 박영진pp. 31-40
원문 보기