ATLAS: 표현적 파라메트릭 인간 모델링을 위한 골격 및 형태 파라미터 분리

ATLAS: Decoupling Skeletal and Shape Parameters for Expressive Parametric Human Modeling

August 21, 2025

저자: Jinhyung Park, Javier Romero, Shunsuke Saito, Fabian Prada, Takaaki Shiratori, Yichen Xu, Federica Bogo, Shoou-I Yu, Kris Kitani, Rawal Khirodkar

cs.AI

초록

파라메트릭 신체 모델은 다양한 자세, 체형, 표정에 걸쳐 인간을 표현력 있게 3D로 표현하며, 일반적으로 등록된 3D 메시에 대한 기저를 학습하여 도출됩니다. 그러나 기존의 인간 메시 모델링 접근법은 제한된 훈련 데이터 다양성과 제한적인 모델링 가정으로 인해 다양한 신체 자세와 체형에 걸친 세부적인 변이를 포착하는 데 어려움을 겪습니다. 더욱이, 일반적인 패러다임은 선형 기저를 사용하여 외부 신체 표면을 먼저 최적화한 다음, 표면 정점으로부터 내부 골격 관절을 회귀합니다. 이 접근법은 내부 골격과 외부 연조직 간의 문제적인 의존성을 도입하여 신장과 뼈 길이에 대한 직접적인 제어를 제한합니다. 이러한 문제를 해결하기 위해, 우리는 240대의 동기화된 카메라로 캡처된 60만 개의 고해상도 스캔으로부터 학습된 고충실도 신체 모델인 ATLAS를 제시합니다. 이전 방법과 달리, 우리는 메시 표현을 인간 골격에 기반을 두어 형태와 골격 기저를 명시적으로 분리합니다. 이러한 분리는 향상된 형태 표현력, 신체 속성의 세밀한 맞춤 설정, 그리고 외부 연조직 특성과 독립적인 키포인트 피팅을 가능하게 합니다. ATLAS는 다양한 자세에서 보이지 않는 대상자를 더 정확하게 피팅함으로써 기존 방법을 능가하며, 정량적 평가는 우리의 비선형 자세 보정이 선형 모델에 비해 복잡한 자세를 더 효과적으로 포착함을 보여줍니다.

English

Parametric body models offer expressive 3D representation of humans across a wide range of poses, shapes, and facial expressions, typically derived by learning a basis over registered 3D meshes. However, existing human mesh modeling approaches struggle to capture detailed variations across diverse body poses and shapes, largely due to limited training data diversity and restrictive modeling assumptions. Moreover, the common paradigm first optimizes the external body surface using a linear basis, then regresses internal skeletal joints from surface vertices. This approach introduces problematic dependencies between internal skeleton and outer soft tissue, limiting direct control over body height and bone lengths. To address these issues, we present ATLAS, a high-fidelity body model learned from 600k high-resolution scans captured using 240 synchronized cameras. Unlike previous methods, we explicitly decouple the shape and skeleton bases by grounding our mesh representation in the human skeleton. This decoupling enables enhanced shape expressivity, fine-grained customization of body attributes, and keypoint fitting independent of external soft-tissue characteristics. ATLAS outperforms existing methods by fitting unseen subjects in diverse poses more accurately, and quantitative evaluations show that our non-linear pose correctives more effectively capture complex poses compared to linear models.