ECCVJul, 2016

基于容积轮廓线索的通用自动人体姿态和动作捕捉

PDF
TL;DR提出了一种使用多视角视频输入，自动生成具有动画所需骨骼、体积形状、外观和（可选的）表面的装配演员模型，并估计演员运动的全自动算法。
markerless motion capturerigged actor modelmulti-view inputgaussian density fieldstatistical human body model
发现论文，激发创造
  • 高精度人体重建的体积视频

    通过优化深度学习多视图立体网络来估计深度图，并采用滤波、融合等后处理方法，实现了高保真度的人体重建。

    Feb, 2022

  • 基于时间的准确无标记人体形态和姿势估计

    本文提出了一种基于 SMPLify 方法的全自动方法，可以从多视角视频中估计三维人体运动和身体形状，并利用 CNN 方法和 DCT 时间先验方法来提高精度，并且在标准基准测试中的结果与最先进的方法相当，同时还提供了一个逼真的 3D 形状 Avatar。

    Jul, 2017

  • 基于多视角摄像机的无标记身体运动捕捉技术用于 3D 角色动画制作

    本文描述了一种基于无标记人体动作捕获的三维角色动画生成系统，采用视角多样的相机捕捉人体动作信息，并通过多种技术手段计算出骨骼变换状况，从而能够高效准确地实现三维骨骼重建与实时动画生成。

    Dec, 2022

  • 从虚拟标记估计 3D 人体网格

    本文提出了基于虚拟标记的中间表示方法，通过学习 64 个身体表面关键点来重构逼真的 3D 网格，精度高于现有方法。

    Mar, 2023

  • 基于视频的三维人体模型重建

    该论文介绍了如何从单目视频中获取任意人物的准确三维身体模型和纹理，该方法仅需使用智能手机或网络摄像头，使每个人都能创建自己的全可动数字双胞胎，如社交 VR 应用或在线时尚购物的虚拟试穿。

    Mar, 2018

  • BodyNet: 3D 人体形状的体积推断

    本篇研究提出了一种名为 BodyNet 的神经网络，通过直接推断体积棱柿，从而预测自然图像中的三维人体形状，同时结合三维损失和多视角重投影损失以及适当的监督，实现了性能的提升；通过将 SMPL 模型应用于网络输出，并在 SURREAL 和 Unite the People 数据集上展示了最先进的结果，证明了本方法的有效性。

    Apr, 2018

  • 通过体积回归从单张图片重建三维人体

    本文提出使用卷积神经网络进行端到端直接重建人类三维几何通过体积回归，无需拟合形状模型，能够从多种输入类型训练并处理姿态变化和细节重建。

    Sep, 2018

  • TailorMe：自监督学习的解剖约束体积化人体形状模型

    我们使用体积解剖模板来注册 CAESAR 数据库中的表面扫描，进而通过物理上可行的体积变形转移扩大训练数据以自监督方式学习解剖约束的体积人体形状模型，从而实现形状抽样、局部形状操作和基于给定表面扫描的快速推理。

    Nov, 2023

  • Function4D：基于极稀疏消费级 RGBD 传感器的实时人体体积捕获

    本文提出了一种结合时间体积融合和深度隐式函数的人体体积捕捉方法，该方法不仅可以实现高质量、连续的重建，而且可以生成包含几何细节和更加逼真的纹理结果的细节保留深度隐式函数，实验结果表明，该方法在稀疏视角、泛化能力、重建质量和运行效率方面优于现有方法。

    May, 2021

  • 基于物理学的轨迹优化算法，从单目视频重建 3D 人体姿态

    本研究利用物理引擎对姿态估计过程进行改进，从而使得我们可以利用现实世界的场景推导出物体的运动。我们的公式具有广泛的应用场景，并可处理自身接触和与场景几何之间的接触。我们的方法在 Human3.6M 和 AIST 基准测试中均获得了与现有基于物理的方法相竞争的结果，同时不需要重新训练。

    May, 2022