K-SMPL: 한국인 체형 데이터 기반의 매개화된 인체 모델 = K-SMPL: Korean Body Measurement Data Based Parametric Human Model

다국어 초록 (Multilingual 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

국문 초록 (Abstract)

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.

참고문헌 (Reference)

1 박정호 ; 박상훈 ; 윤승현, "형상 차이 기반 홀 패치의 파라미트릭 블렌딩 기법" (사)한국컴퓨터그래픽스학회 26 (26): 39-48, 2020

2 주은정 ; 최명걸, "정적 드레이프를 이용한 니트 옷감의 시뮬레이션 파라미터 추정" (사)한국컴퓨터그래픽스학회 26 (26): 15-24, 2020

3 M. Kocabas, "Vibe: Video inference for human body pose and shape estimation" 2020

4 H. Joo, "Total capture: A 3d deformation model for tracking faces, hands, and bodies"

5 B. Allen, "The space of human body shapes : Reconstruction and parameterization from range scans" 22 (22): 587-594, 2003

6 Y. Chen, "Tensor-based human body modeling" 2013

7 H. Seo, "Synthesizing animat- able body models with parameterized shape modifications"

8 H. Seo, "Synthesiz- ing animatable body models with parameterized shape modifications" 2003

9 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)" 36 (36): 2017

10 "SizeKorea"

11 D. Anguelov, "Scape: Shape completion and animation of people" 24 (24): 408-416, 2005

12 A. A. A. Osman, "STAR: A sparse trained articulated human body regressor"

13 M. Loper, "SMPL : A skinned multi-person linear model" 34 (34): 248:1-248:16, 2015

14 M. Loper, "Mosh: Motion and shape capture from sparse markers" 33 (33): 2014

15 H. Xu, "Ghum ghuml: Generative 3d human shape and articulated pose models" 2020

16 G. Pavlakos, "Expressive body capture:3d hands, face, and body from a single image" 10 975-10 985, 2019

17 A. Kanazawa, "End-toend recovery of human shape and pose" 7122-7131, 2018

18 G. Pons-Moll, "Dyna:A model of dynamic human shape in motion" 34 (34): 2015

19 K. Robinette, "Civilian American and European surface anthropometry resource(Caesar)"

20 S.Agarwal, "Ceres Solver"

21 N. Mahmood, "Amass: Archive of motion capture as surface shapes" 5441-5450, 2019

22 김용규 ; 김덕수, "3차원 형상 복원을 위한 점진적 점유 예측 네트워크" (사)한국컴퓨터그래픽스학회 27 (27): 65-74, 2021

23 문지혜 ; 박상훈 ; 윤승현, "3D Magic Wand: 하모닉 필드를 이용한 메쉬 분할 기법" (사)한국컴퓨터그래픽스학회 28 (28): 11-19, 2022