Tan等人[34]将人体运动形变的稀疏性和局部性加入到自编码器的训练中,得到了人体形变一组具有语义基的表示。Litany等人[36]提出了一个基于图卷积的变分自编码器, 直接从人体网格的欧式坐标表示学习人体数据集的低维嵌入。由于未对身份和姿态进行解耦,同时受限于欧式坐标表示的局限,其对于人体姿态网格的重建精度并达不到参数化人体表示的水平。
基于深度学习的单图像三维人体重建是通过深度学习算法从单张输入图像中重建三维人体的网格模型(Mesh).三维人体重建有着广泛的应用领域和巨大的商业潜力,如智慧教学场景构建[1]、全息数字成像[2]、虚拟试穿[3-4]、游戏设计[5]和影视制作[6...
介绍了一种单目三维人体整体重建方法HoloPose。我们首先介绍一种基于零件的三维模型参数回归模型,该模型允许我们的方法在野外操作,处理严重的遮挡和较大的姿势变化。我们进一步训练一个包含二维、三维和密集姿态估计的多任务网络来驱动三维重建任务。为此,我们引入了一种迭代优化方法,该方法将2D/3D关节位置和DensePose的基于...
我们提出了DeepHuman,一种用于从单个RGB图像重建三维人体的图像引导体积到体积的CNN。为了减少与曲面几何重建相关的歧义,甚至对于不可见区域的重建,我们提出并利用SMPL模型生成的密集语义表示作为额外输入。我们网络的一个关键特征是,它通过体积特征变换将不同比例的图像特征融合到三维空间中,这有助于恢复精确的曲面几何。...
从单张图重建三维人体模型综述(三) 《Multi-View Consistency Loss for Improved Single-Image 3D Reconstruction of Clothed People》 我们提出了一种新的方法,以提高从一个单一图像三维重建服装人体形状的精度。最近的工作引入了体积、隐式和基于模型的形状学习框架,用于从一个或多个图像重建对象和人。然而,由于服装...
从单张图重建三维人体模型综述(五) 《Video Based Reconstruction of 3D People Models》 本文描述了一种从单个单目视频中获取任意人的精确三维身体模型和纹理的方法,包括正在运动的人。基于一个参数化人体模型方法,我们提出了一个鲁棒的处理流程,以4.5mm的重建精度得到三维模型形状,包括穿着衣服的人。我们方法的核心...