秒级稳健的 3D 自画像
本文提出了一种新方法,基于一个稀疏的 RGBD 相机捕获集合来重建 3D 人体模型,重点解决拍摄过程中的姿态变化和遮挡问题,并使用全局非刚性注册和纹理映射优化等步骤来实现。通过实验证明,该方法的性能优异,且具有灵活性和多种潜在应用。
Jun, 2020
通过使用融合个性化 3D 模型与帧间信息的新方法,我们能够实现从单个摄像头实时流式传输带有用户各帧外观真实重建的 3D 肖像视频,从而使远程存在变得普及化。
May, 2024
本研究通过引入 PIFu 算法和使用表面本地化算法以及在线难例挖掘技术,从而在不需要昂贵的多视图系统或繁琐的预定义模型的情况下,从单眼视频中实时捕捉和渲染了一个完整的实纹三维人体。
Jul, 2020
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
提出了一种新的实时端到端重建框架,通过一种高效的分层方法考虑 RGB-D 输入的完整历史,优化单帧的全局相机姿态,同时支持稳健跟踪和全局一致的建模,实现了全球最佳实践的实时建模,成为大型室内环境的综合在线扫描解决方案,实现了易于使用和高质量的结果。
Apr, 2016
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
本文提出了一种用于在 RGB-D 传感器上进行大规模 3D 重建的实时表面矫正方法,该方法通过实时估计相机运动并在全局姿势图优化中进行精调来纠正可能出现的表面偏差,能够在仅使用单个 GPU 的情况下实现大型环境的实时表面纠正,相比最新技术而言,具有更高的运行时效率并且需要显著更少的内存。
Sep, 2017
本文介绍一种使用 RGB-D 自拍相机实现高保真、逼真、照片级的 3D 数字人头制作的完全自动化系统。该系统采用不同于传统的面部几何建模和反射合成技术,成功运用了两阶段帧选则过程和可微渲染器的 3DMM 拟合算法来从多视角 RGB-D 数据中恢复面部几何,进而实现人脸表面纹理的抠取与合成,从而制作出了高度真实细节的数字人头。
Oct, 2020
通过使用单个消费级 RGB-D 传感器以实时速率进行动态几何形状的重建,我们提出了一种新的方法,该方法不需要预定义的形状模板,并且在扫描过程中从头开始构建场景模型。采用了体积表示法对几何和运动进行参数化,并且基于提取的稀疏颜色特征与密集深度约束公式相结合实现了运动跟踪。从而保证了准确跟踪并大大降低了标准模型到深度对齐固有的漂移。同时,我们还将寻找空间最佳变形视为非线性正则化变分优化问题,并通过在本地平滑和靠近输入约束的同时实现了数据并行的翻转优化策略。研究结果表明,即使在快速运动和缺乏几何特征的场景下,也能实现稳健的跟踪。
Mar, 2016
提出了一种基于多视角视野的实时视觉系统,可以从单个 RGB-D 视角提出三维物体姿态建议,并且根据多个视角的姿态估计和非参数占用信息积累这些姿态估计,从而对接触的多个已知对象进行一致的、不相交的姿态估计。应用于实时机器人应用程序中,只使用机载 RGB-D 视觉,机械臂可以精确而有序地拆卸复杂的物体堆放,展示了其准确性和鲁棒性。
Apr, 2020