Luyang Zhu, Konstantinos Rematas, Brian Curless, Steve Seitz, Ira Kemelmacher-Shlizerman
TL;DR本研究提出了一种新的方法，用于重建篮球比赛中的运动员。该方法通过可绘制的模型和大型数据库得到一个高分辨率的网格和 3D 姿态。结果显示，该方法在 3D 人体形状重建的单张图像上取得了显著的进展。
Abstract
Great progress has been made in 3d body pose and shape estimation from a
single photo. Yet, state-of-the-art results still suffer from errors due to
challenging body poses, modeling clothing, and self occlusions.
在本研究中，我们定义和研究了一个新的 Cloth2Body 问题，其目标是从 2D 服装图像生成 3D 人体网格。与现有的人体网格恢复问题不同，Cloth2Body 需要解决输入的局部观察和输出的高度多样性带来的新挑战。我们提出了一个端到端的框架，从 2D 服装图像准确估计参数化为姿势和形状的 3D 体网格，并通过实验结果证明该框架达到了最先进的性能，在对齐服装的同时能够有效恢复自然而多样化的 3D 人体网格。
本文提出了一种端到端可训练模型，以单个 RGB 图像感知 3D 场景，估计相机姿态和室内布局，并重建人体和物体网格。通过对所有估计方面施加全面而复杂的损失，我们证明了我们的模型优于现有的人体网格方法和室内场景重建方法。据我们所知，这是第一个在网格级别输出对象和人体预测，并对场景和人体姿态进行联合优化的模型。