Gráfico de Conceptos & Resumen usando Claude 3 Opus | Chat GPT4o | Llama 3:
Resumen:
1.- Simulando biomecánica e interacciones con objetos, equilibrando precisión, generalidad y eficiencia.
2.- Explorando si el aprendizaje automático puede mejorar las representaciones de subespacios expresivos sin penalización de rendimiento.
3.- Conectando métodos de aprendizaje automático con subespacios de simulación basados en física.
4.- Encontrando subespacios no lineales compactos (Fulton) y subespacios lineales en evolución debido al contacto y dinámica (Holden).
5.- Diseñando subespacios de deformación expresivos - geométricos (rápidos) y basados en física (generales).
6.- Incluyendo interacciones de contacto en la formulación de subespacios.
7.- Derivando modelo de deformación de piel considerando posición corporal, forma y dinámica.
8.- Desafíos en el aprendizaje a partir de muestras de forma limitadas debido a la variabilidad de posición entre sujetos.
9.- Separando deformaciones de posición y forma globales y locales en una arquitectura de red.
10.- Logrando dinámicas plausibles para formas corporales arbitrarias, demostrando generalización de subespacios.
11.- Aprendiendo deformaciones geométricas aprovechando la representación de subespacios.
12.- Considerando el contacto al aprender deformaciones.
13.- Aprendizaje automático para prueba virtual eficiente de ropa ajustada.
14.- Desafíos en prendas sueltas - colisiones y post-procesamiento.
15.- Espacio canónico de prendas para trabajar con cuerpo constante.
16.- Desposicionando y deformando prendas usando modelo humano difuso.
17.- Pesos de skinning variables del modelo difuso para evitar colisiones prenda-cuerpo.
18.- Optimizando autoencoder variacional para subespacio generativo sin colisiones de prendas.
19.- Canal de ejecución: regresor de subespacio canónico, elevación de espacio completo, blendshapes de posición/forma, skinning.
20.- Revisando simulación de piel con física para manejar interacciones externas.
21.- Reteniendo precisión de posición y deformación dinámica extendiendo modelo basado en datos.
22.- Componentes: esqueleto parametrizado, piel basada en física, manejadores de subespacio.
23.- Creando esqueleto interno y capa de piel de grosor variable desde la superficie corporal.
24.- Modificando gradiente de deformación para hacer modelo físico insensible al modelo de posición.
25.- Subespacio basado en manejadores respetando estructura esquelética y precisión de superficie de piel.
26.- Comparando subespacio basado en manejadores con subespacio PCA - soporte local, mejor generalización de contacto.
27.- Aplicaciones en simulación de manos y seguimiento.
28.- Incorporando información de contacto en subespacio de simulación basado en física.
29.- Modelo no lineal agregado: subespacio de manejadores lineales más corrección no lineal aprendida.
30.- Aprendizaje separado de correcciones internas y externas para simplificar y mejorar precisión.
Bóveda de Conocimiento construida por David Vivancos 2024