ECCVJul, 2020

将隐式函数学习与参数模型相结合的三维人体重建

PDF
TL;DR本文提出了一种方法，通过深度学习的隐式函数和参数表示相结合，重建出具有可控性和高准确性的人体 3D 模型，使得即使加上服装等复杂因素，也能够保证模型的灵活性。
implicit functionsdeep learning3d modelsparametric representationscomputer vision
发现论文，激发创造
  • PaMIR：基于参数模型的隐式表示方法进行基于图像的人体重建

    提出了一种基于 PaMIR 的框架，结合参数化身体模型与自由形式深度隐含函数，采用新型深度神经网络规范化自由形式深度隐含函数，通过训练损失并提出身体参考优化方法，以及增强参数化模型对隐含函数的一致性，实现在多种挑战性场景下的 3D 人体重建，并在多图像输入情况下取得了最新的性能表现。

    Jul, 2020

  • 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

  • 服装人体的动态表面函数网络

    提出一种新方法，基于动态表面函数网络，利用单目 RGB-D 序列学习个体化身体模型，并使用人体表面多层感知器（MLP）来重构为具有时间连贯性的网格序列并合成姿态依赖性动画。

    Apr, 2021

  • HISR：用于逼真的 3D 人体重建的混合隐式表面表示

    我们提出了一种新的混合隐式表面表示方法来建模人体形状，该表示方法由两个表面层组成，用于表示穿着衣物的人体的不同区域，我们使用视觉线索自动分割不同区域，并学习重建两个有符号距离函数，我们在不透明区域上执行基于表面的渲染以保留高保真度的表面法线，并在半透明区域上执行体积渲染（例如头发），实验证明我们的方法在 3D 人体重建上取得了最先进的成果，并在其他物体上展示了有竞争力的表现。

    Dec, 2023

  • 3DPeople: 建模穿着衣服人的几何形状

    本文提出了一种从单张照片中预测着装人体几何形状的新方法，包括三个关键点：一个新数据集，一个新的形状参数化算法和一个端到端的深度生成网络。

    Apr, 2019

  • 具有挑战性服装的人体神经点基形状建模

    该研究通过使用可以捕捉衣物粗糙表面几何特征的学习的非规范化本地变形来解决现有点云或隐式表面建模方法对衣服建模的不足，可以用于学习人物特定的化身并演示其动画效果，并能从原始扫描直接学习，使得创建逼真化身的过程大大简化。

    Sep, 2022

  • LatentHuman：人体形态和姿势分离的潜在表征

    本文提出了一种基于运动学模型的神经隐式表示方法，可以同时处理人体的形状和姿态，实现了更好的三维重建效果和任务控制能力。

    Nov, 2021

  • 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

  • Pix2Surf：从图像中学习物体的参数化 3D 表面模型

    本研究使用神经网络从多视图中学习生成高质量且兼具多视图一致性的 3D 参数曲面，同时保持准确的图像像素到 3D 表面点的对应关系，能够重建具有丰富几何和外观的纹理信息形状，并在公共数据集上获得优于先前工作的定量和定性结果。

    Aug, 2020

  • 高保真非线性三维人脸可变模型

    该论文提出了一种通过学习额外的代理来学习高保真人脸模型的新方法，结合全局和局部模型的精心设计网络，通过改进非线性 3D 可变形模型的学习目标和网络架构，使其在捕捉更高级别细节方面具有优越性，从而在 3D 人脸重建中实现了最先进的表现。

    Apr, 2019