重新识别监督纹理生成

CVPRApr, 2019

Re-Identification Supervised Texture Generation

Jian Wang, Yunshan Zhong, Yachun Li, Chi Zhang, Yichen Wei

TL;DR本文提出了一种基于端到端学习策略的方法，利用行人重新识别作为感知度量，生成单张人体图像的纹理贴图，实验结果表明，我们的模型可以从单张图像中生成纹理贴图，并证明我们的纹理比其他可用方法生成的质量更高，我们还将应用范围扩展到其他类别，并探索了我们生成的纹理的可能利用途径。

Abstract

The estimation of 3d human body pose and shape from a single image has been extensively studied in recent years. However, the texture generation problem has not been fully discussed. In this paper, we propose an

3d human body pose texture generation end-to-end learning person re-identification synthetic images

发现论文，激发创造

利用纹理一致性监督人体网格估计的姿态

该论文研究了基于模型的人体姿态估计问题，提出了一种自然监督方式，并通过引入纹理一致性损失来提高估计精度。

Oct, 2019

3D 人类半监督高分辨率可编辑纹理合成

本文提出了一种生成高保真度纹理地图的新方法，使用一种称为 ReAVAE 的网络来学习每个语义区域的样式概率分布，控制生成纹理的样式，可以用于虚拟试穿 AR/VR 应用。

Mar, 2021

可控人物图像合成的神经纹理提取与分配

该研究利用神经纹理提取和分布操作，实现了人物图像综合控制，进一步实现外形的可控制性。

Apr, 2022

单图像神经再渲染技术

该论文提出一种新的神经重渲染方法，利用单张图像生成一个人体在新的用户定义的姿势和视角下的三维重建，并通过高维度 UV 特征图编码外观，该方法在单张图像重渲染方面比现有方法产生更高质量的成果。

Jan, 2021

使用 Transformer 从单张图像中估计三维人体纹理

本文提出了一种基于 Transformer 的框架，用于从单张图像中进行三维人体纹理估计，并通过 mask-fusion 策略和 part-style loss 来提高图像质量，实验结果表明该方法在 3D 人体纹理估计方面优于现有方法。

Sep, 2021

基于坐标的纹理修复技术用于姿态引导图像生成

本文提出了一种基于深度学习的姿态引导的人类照片重新合成方法，它基于单张照片估计完整身体表面纹理，并使用一个新的修补方法将图像纹理转换为目标姿势视图。

Nov, 2018

合成训练图片以提升人体三维姿势估计

本研究旨在通过人体姿态空间的采样和真实图像纹理的提取，建立一个全自动，可扩展的方法来合成姿态注释的图像，从而为 3D 姿态估计任务提供合成培训数据，最终证明 CNNs 在合成图像上训练可以在 3D 姿态估计任务上胜过在真实照片上训练。

Apr, 2016

从野外单张图像中的姿势引导的人类动画

本文提出了一种新的姿态转换方法，通过使用组合神经网络，预测人的轮廓，服装标签和纹理，并在推理时利用训练有素的网络生成一个外观及其标签的统一表示，以对姿势变化做出响应，并使用背景完成外观的呈现，从而实现保留人物身份和外观，具有时间上的一致性和泛化能力。

Dec, 2020

使用采样和精炼网络从单张图像生成 3D 人类 Avatar 的纹理

本文提出了一种基于几何信息的 3D 人形头像纹理合成方法，该方法使用了两个卷积神经网络来填充源图像的遮挡区域、与目标 3D 网格表面对齐，并逐步学习以辅助实现此目标的课程学习机制，实验结果表明其在 qualitatively 和 quantitatively 方面均优于先前的方法。

May, 2023

单张图像中穿着衣物的人的 360 度纹理

本文使用图像到图像翻译方法在 SMPL 模型的 UV 空间中推断纹理和几何学，以此预测人物的完整三维化身。通过此方法，我们得到的预测纹理和几何学可以应用到 SMPL 模型上，从而自然地对新的姿势、形状和衣物进行推广。

Aug, 2019