SMPL模型是一種參數化人體模型
-
SIMP系列方法
SMPL-LBS、SMPL-DQBS、Dynamic-SMPL (DMPL)（軟組織的 blend shape 、SMPL 的拓展版 ） -
現有3D人體模型的缺點
沒有骨骼蒙皮，得到人體3D模型之後，需要再添加rig，還需要手動調整表面紋理貼圖；
與現有商業軟件不兼容；
不夠真實，難以應對各種各樣的姿態 -
簡介
SIMP採集了不同姿勢的真實人體網格，要建立形狀參數(shape)，姿勢參數（pose）與網格(mesh)的對應關係，訓練出這個對應關係。相比傳統的LBS方法，該方法提出了人體姿態影像體表形貌的方法，可模擬人的肌肉在肢體運動過程中的凸起和凹陷，可避免人體在運動過程中的表面失真，可精準刻畫人肌肉拉伸和收縮運動的形貌。
本質上是插值方法，只是shape和pose的參數通過學習來獲取
備註：
LBS：一種典型的業界普遍使用的骨骼蒙皮方法 -
動畫製作關鍵詞
- 頂點（mesh）：動畫模型可以看成多個小三角形（四邊形）組成，每個小三角形就可以看成一個頂點。頂點越多，動畫模型越精細。
- 骨骼點：人體的一些關節點，類似於人體姿態估計的關鍵點。每個骨骼點都由一個三元組作爲參數去控制（可以查看歐拉角，四元數相關概念）
- 骨骼蒙皮（Rig）：建立骨骼點和頂點的關聯關係。每個骨骼點會關聯許多頂點，並且每一個頂點權重不一樣。通過這種關聯關係，就可以通過控制骨骼點的旋轉向量來控制整個人運動。
- 紋理貼圖：動畫人體模型的表面紋理，即衣服褲子這些。
- BlendShape：控制動畫角色運動有兩種，一種是上面說的利用Rig，還有一種是利用BlendShape。比如：生成一種笑臉和正常臉，那麼通過BlendShape就可以自動生成二者過渡的動畫。這種方式相比於利用Rig，可以不定義骨骼點，比較方便。
- 蒙皮：將模型從一個姿態轉變爲另一個姿態，使用的轉換矩陣叫做蒙皮矩陣。
- blend skinning ：一個網格可能由多個骨骼控制，更新權重的過程，即骨骼（控制單元）影響網格的權重
-
參數
β：體型參數，人體高矮胖瘦，頭身比等比例的10個參數
6890個網格頂點
θ：姿勢參數，人體整體運動位姿和24個關節相對角度的75個參數
24個關鍵點
![模型圖解]()
a帶有權重的模板網格
b 帶有權重的模板網格(template\rest pose) + shape blend shape
c 帶有權重的模板網格 + shape blend shape + pose blend shape
d 帶有權重的模板網格 + shape blend shape + pose blend shape +姿勢參數(θ) +體型參數(β)+體型參數到關節點的映射(J)+網格到骨骼的權重參數(w)
備註：體型到骨骼、骨骼到網格，最後輸出是網格 -
實現方法
基於CAESAR 數據集上採用PCA 學習了不同性別的 body shape blend shape，然後採用weighted pose space deformation 的方法，糾正普通 blend skinning 存在的變形問題（處理蒙皮模型時，如果模型處於特定姿勢，通常需要使用特殊形狀來修復蒙皮變形問題。 -
sparse SMPL
sparse指的是一個頂點的變形只由個別關鍵點決定，在 SMPL 中，pose blend shape 是 dense 的，一個頂點由所有的關節點共同控制，因此，P ∈ 3N × |θ| (即 3 × 頂點 個數 × 9 × 關節點個數)；在 Sparse SMPL 中，作者限制一個頂點最多由 4 個關節點共同控制 (防止 一個頂點被與其距離較遠的關節點控制)，因此，P ∈ 3N × 4。但結果證明，這個處理不僅複雜了訓練 過程，而且不能使模型有更好的表現 (主要原因估計是 4 個關節點的限制過於嚴格了，如果增加這個數 字的話，表現應該會提升)。 -
參考資料
論文翻譯
另一個SIMP模型【Keep it SMPL: Automatic Estimation of 3D Human Pose and Shape from a Single Image】的完整資料
SMPL模型基本使用和資源下載地址
動畫名詞解釋
SIMP-document
