Apr, 2020

PIFuHD: 面向高分辨率三维人体数字化的多级像素对齐隐式函数

PDF
TL;DR该研究论文通过多层次结构体系，从高分辨率的图像中提取细节信息、同时观察到低分辨率图像的整体信息，借助深度神经网络尝试解决现有方法在人体三维建模方面存在的精度与准确预测之间的矛盾，实验结果在单幅图像三维建模领域中，显著超越了现有的最先进技术。
image-based 3d human shape estimationdeep neural networksmulti-level architecturehigh resolutionstate-of-the-art techniques
发现论文，激发创造
  • PIFu: 面向高分辨率衣着人体数字化的像素对齐隐式函数

    提出了一种名为 PIFu 的像素对齐隐式函数表示法，可以从单张图像中推断出高细节服装人物的 3D 表面和纹理，其精度高、内存占用小、能够处理任意拓扑，并且与输入图像的空间完全对齐。在 DeepFashion 数据集上进行实验，结果显示 PIFu 方法在单幅图像上表现出色，优于之前任何的数字化人像单张图像重建方法。

    May, 2019

  • IntegratedPIFu：单视角人体重建的整合像素对齐隐式函数

    本文介绍了一种新型的像素对齐的隐式模型 IntegratedPIFu，能够预测并将深度和人体解析信息结合，同时实现了以深度为导向的采样训练，提高了人体特征的重构准确性和网格结构的正确性。与目前的单视图人体重构方法相比，IntegratedPIFu 明显具有更高的性能表现。

    Nov, 2022

  • Geo-PIFu：用于单视角人体重建的几何与像素对齐的隐式函数

    Geo-PIFu 是一种基于深度多层次 U-Net 结构的隐式函数的方法，通过学习隐含体素特征来从穿着衣物的人的单眼彩色图像中恢复三维网格，并通过约束模型在两个方面以提高重建效果：第一，在查询点编码中解决特征歧义；第二，在粗糙的人体形状代理中规范化高分辨率网格并鼓励全局形状规则性，实验结果表明，与竞争方法相比，Geo-PIFu 可以得到更少的形状畸变和更好的表面细节。

    Jun, 2020

  • TIFu：高保真 3D 角色重建的三向隐式函数

    Tri-directional Implicit Function (TIFu) 是一种矢量级表示方法，通过沿三个正交轴聚合矢量解决了回归固定维度矢量的固有问题，从而在任意分辨率的三维重建中取得了最先进的性能。

    Jan, 2024

  • StereoPIFu：基于双目视觉的深度感知衣着人体数字化

    本文提出了 StereoPIFu 算法，它将立体视觉的几何约束与 PIFu 的隐式函数表示相结合，从一对低成本的矫正图像中恢复着装人体的 3D 形状，实验表明与先前的研究结果相比，StereoPIFu 显著提高了着装人体重建的稳健性、完整性和准确性。

    Apr, 2021

  • 单张 2K 分辨率图像实现高保真 3D 人体数字化

    提出了一种名为 2K2K 的简单而有效的 3D 人体数字化方法，该方法构建了一个大规模的 2K 人体数据集并从 2K 分辨率图像推断出 3D 人体模型，通过多个网络恢复了人体的全局形状和细节，并使用现有的网格生成器重构了完整的 3D 人体模型，该方法在多个数据集上展示了卓越的性能。

    Mar, 2023

  • 三维形状重建和完成的特征空间中的隐式函数

    本文提出了一种名为 IF-Nets 的新模型来解决从不同类型的三维输入中恢复和补全三维物体的问题，IF-Nets 可提取深度特征，保留输入数据中存在的细节，并可以重建活动的人体模型。实验证明 IF-Nets 在 ShapeNet 中的三维物体重建和人体重建方面明显优于以往的工作。

    Mar, 2020

  • 人作为点：从单视角 RGB 图像中显式基于点的 3D 人体重建

    通过采用点云作为目标几何结构的中间表示，该研究论文调查了一种名为 HaP 的显式基于点云的人体重建框架，通过完全显式地进行点云的估计、处理、生成和优化来解决现有学习方法在灵活性、普适性、稳健性和表达能力方面的局限性。

    Nov, 2023

  • 用于像素和区域标注的高分辨率表示

    本论文对高分辨率表示学习进行进一步的研究，并通过在各种视觉任务中应用简单而有效的修改来增强高分辨率表示，实验表明，这种方法优于现有的方法，并在 Cityscapes、LIP 和 PASCAL Context 等数据集上取得了最佳结果。此外，本论文构建了一个多层表示，并将其应用于 Faster R-CNN 目标检测框架以及拓展框架，并在 COCO 目标检测上实现了超越现有单模型网络的卓越表现。

    Apr, 2019

  • 像素级回归：基于空间形式表示和可微分解码器的 3D 手部姿态估计

    本论文提出了一种基于像素回归的新方法，采用空间形态表示和可微分解码器来解决三维手部姿态估计的问题，实验结果显示本方法比现有方法更优，在三个公共数据集上将平均 3D 关节误差降低了 25％。

    May, 2019