8입력→58개 바디파라미터
8 inputs → 58 body params: putting a body-model forward pass inside the training loss [P]
8개 설문 입력으로 58개 body params를 예측하고, forward pass를 loss에 넣었다.
8개 설문 입력(키, 몸무게, 성별, 체형, 체구, 복부, 컵 사이즈, 인종)만으로 Anny의 58개 body shape parameters를 예측하는 2층 × 256 MLP를 학습했다. 모델 크기는 약 85 KB, 노트북에서 학습 시간은 약 120분이다. 아키텍처는 평범하지만, loss 설계가 핵심이다.
held-out synthetic test set에서 오차는 다음과 같다.
- Female: height 0.3/0.8 cm, mass 0.4/1.0 kg, bust/waist/hips 2.7/4.0/3.3 cm
- Male: height 0.3/0.8 cm, mass 0.5/1.2 kg, bust/waist/hips 4.9/4.3/3.3 cm
mass는 58개 파라미터의 직접 출력이 아니라 volume의 결과물이라, MLP 출력 → Anny blendshapes → vertices → signed tetrahedra volume → predicted mass/height 경로를 그대로 loss 안에 넣어 backprop했다. Anny는 linear blendshape와 differentiable volume이라 별도 custom backward 없이 PyTorch autograd로 처리된다.
비교로 Bartol et al. (2022)의 height+weight linear regression은 같은 셋에서 BWH MAE가 약 7 cm였고, SAM 3D Body → MHR → Anny + tuning 사진 파이프라인은 SMPL 없이 실제 사람 기준 5~8 cm였다. 설문 입력이 단일 이미지 HMR보다 더 많은 신호를 담을 수 있음을 보여준다.
이 요약은 원문 이해를 돕기 위한 큐레이션입니다. 저작권은 원저작자에게 있으며, 정확한 내용과 맥락은 원문을 확인하세요.
요약 오류, 출처 표기 문제, 삭제 요청은 문의 · 건의로 알려주세요.