Apr, 2019

通过分层网格变形从单张图像中详细估计人体形状

HTML
PDF
TL;DR该论文提出了一种新的框架，利用深度神经网络和 Hierarchical Mesh Deformation 技术综合使用人体关节、轮廓和像素的着色信息，从而在单张图片中精确恢复人体形状。实验证明，我们的方法在 2D IoU 计算和 3D 距离计算的准确度上都优于现有的其他方法。
发现论文，激发创造
  • 基于换装3D扫描序列的人体形态细节精准估计

    本研究提出了一种新方法，可以从穿着衣服的3D扫描序列中恢复个人化的人体形状，其性能在姿态估计和形状估计方面均优于现有技术。

    Mar, 2017

  • 人体形状和姿势的端到端恢复

    本文提出了一种名为HMR的端到端框架，可从单个RGB图像恢复人体的完整3D网格，通过优化关键点的后投影损失来训练模型，并使用对抗神经网络解决了模型参数欠约束的问题，最终实现了在野外图像中直接从像素预测人体姿态和形状参数的目标。

    Dec, 2017

  • 从单色图像学习估计三维人体姿态和形状

    该论文提出了一种基于卷积神经网络的直接预测方法，将参数化的统计全身形状模型与2D关键点和掩膜相结合，实现从单张彩色图像中估计全身的 3D 姿态和形状，得到了比先前基准更好的结果。

    May, 2018

  • 基于深度学习的二值掩模图像人体形状重建

    本文提出了一种基于深度学习的方法，通过2D正交视图来实现3D人体形态的重建，使用二进制掩膜图像即可快速创建数字化人物，并可应用于3D游戏、虚拟现实、在线时装购物等领域。

    Jun, 2018

  • DenseBody：从单幅彩色图像直接回归密集式三维人体姿势和形状

    本文提出使用卷积神经网络和编码器-解码器神经网络从单张彩色图像中直接回归3D人体网格，利用高效的3D人体形状和姿势表示方法，在Human3.6M、SURREAL和UP-3D等多个3D人体数据集上实现了最新性能。

    Mar, 2019

  • 卷积网格回归实现单张图片人体形状重建

    本文解决从单张图像中估计3D人体姿态和形状的问题，提出在保留SMPL模板网格拓扑的同时，使用Graph-CNN直接回归网格顶点的三维位置，与基于模型参数回归的可比较基线相比，我们的方法具有更好的效果。

    May, 2019

  • 人体建模：从单张图像非参数三维人体形状估计

    本文提出了一种基于深度图的非参数方法，用于从单个RGB图像中估计人体的3D形状，并结合对抗训练进行优化，并在真实数据集上进行了验证。

    Aug, 2019

  • 分层运动学人类网格恢复

    提出了一种基于已知层次结构的人体参数化模型回归新技术，旨在更加灵活应用于当前标准的三维人体网格恢复框架，并通过实验数据证明其性能优于现有方法，能在数据损坏下推断关节。

    Mar, 2020

  • 基于层级运动学概率分布的野外图像3D人体形状和姿态估计

    通过训练深度神经网络，使用人体运动树结构来估计相对3D关节旋转矩阵的分层矩阵费舍尔分布（即身体姿态）和SMPL身体形状参数的高斯分布，实现了对3D人体形状和姿态的分布性预测，能够有效地量化预测不确定性并从中采样出多种可能的3D重建形式，从而解释给定的输入图像。

    Oct, 2021

  • 利用度量和语义属性进行精准的三维人体形状回归

    通过采集互联网上的时尚模特图片和一小部分人体测量数据，以及用于各种三维身体网格的语言形状属性，我们训练了一种名为SHAPY的神经网络，该模型可从RGB图像中回归出三维人物的姿态以及形状。在新的HBW数据集上进行测试，SHAPY在三维人体形状估计任务上表现出色，明显优于现有技术。

    Jun, 2022