Bhatnagar, Bharat LalReischuk, Rüdiger2024-10-022024-10-022024978-3-88579-982-5https://dl.gi.de/handle/20.500.12116/44727Diese Arbeit stellt neuartige Methoden zur Modellierung des Aussehens und der Handlungen digitaler Menschen vor, die in verschiedenen Anwendungen wie Spielen, virtuellem Anprobieren, Telepräsenz und Metaverse immer häufiger vorkommen. Unsere vier Hauptbeiträge sind: i) MGN (Multi-Garment Network), eine Methode zur Rekonstruktion von 3D-Kleidungsstücken und Körperformen aus RGB-Bildern; und das SMPL+G-Modell, eine Erweiterung des SMPL-Körpermodells um Kleidungsstücke. ii) IPNet (Implicit Part Network), ein neuronales Netzwerk, das implizite Funktionen verwendet, um detaillierte menschliche 3D-Netze zu rekonstruieren und diese im SMPL-Modell zu registrieren. iii) LoopReg, die erste vollständig differenzierbare End-to-End-Methode zur Registrierung eines parametrischen Modells in 3D-Netzen mithilfe impliziter Funktionen. iv) BEHAVE, ein Datensatz und eine Methode zur Verfolgung von Mensch-Objekt-Interaktionen in 3D. Die Arbeit bietet außerdem eine gründliche Analyse der vorgeschlagenen Methoden und ihrer Grenzen und schlägt Richtungen für zukünftige Arbeiten vor. Der Code, die digitale MGN-Garderobe, der BEHAVE-Datensatz und die These sind öffentlich verfügbar.de10.18420/Diss2023-03