CVPRDec, 2020

神经身体：使用结构化潜在编码的隐式神经表示，用于动态人体新视角综合

PDF
TL;DR本文提出了 Neural Body，一种人体新的神经表示方法，通过假设不同帧的学习神经表示共享相同的潜在代码来集成视频帧之间的观察，从而解决了高度稀疏的视图的表征学习问题，并在多视点数据集 ZJU-MoCap 上得到了验证。
novel view synthesisneural bodyrepresentation learninglatent codesdeformable mesh
发现论文，激发创造
  • 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

  • COAP: 人的组合式关节占用情况

    本研究提出了一种新型的神经隐式表示方法，旨在有效地对人体的关节运动进行建模、重构和合成，该方法利用具有局部感知能力的编码器 - 解码器结构将全身几何形状分解成局部身体部位，并学习局部复杂变形的神经隐式占据，同时考虑到身体部位的几何限制来提高姿态泛化能力，在 3D 环境中易于处理自相交和碰撞，实验结果表明，该模型在效率和准确性方面明显优于现有的解决方案。

    Apr, 2022

  • 可控的 3D 人体合成的表面对齐神经辐射场

    本研究提出了一种从稀疏的多视角 RGB 视频中重建可控的隐式 3D 人体模型的新方法，使用网格表面点和身体网格的符号距离来定义神经场景表示，并通过改进的顶点法线的重心插值将点投影到网格表面上，实现了更高质量的新视角和新姿势合成，同时支持容易控制的身体形状和服装。

    Jan, 2022

  • 基于深度分层神经网络的解耦人体嵌入

    本文提出了一种像自动编码器一样的网络架构，以学习解缠人体的形状和姿势嵌入，特别是针对三维人体。通过分层重构流程和一个大数据集的构建，并对神经网络进行学习，提高了重构准确性。通过广泛实验，我们的学习到的三维人体嵌入在各种应用中展现了强大的能力。

    May, 2019

  • 多视点视频的神经三维视频合成

    提出了一种新的 3D 视频合成方法，使用神经辐射场表示动态实景，并使用一种紧凑的表现方式，能够高质量地合成视图和插值运动，其动态场景建模方法在视角合成和动态场景表示方面都表现良好。

    Mar, 2021

  • 单图像中人体的视图外推

    本研究提出了一种基于深度学习的新流程，通过显式估计和利用人体的几何形状来综合人体的新视图，从而显著提高姿态变化对象的性能。

    Apr, 2018

  • 通用神经演算法：学习用于人类新视角合成的鲁棒辐射场

    使用深度学习技术，提出了一种名为 GNR 的通用神经演员框架，通过压缩轻场数据来从几何和外观方面生成新颖的视角下的人体影像，并在多视角摄像机下构建的数据集 GeneBody-1.0 上证明了其鲁棒性和通用性。

    Apr, 2022

  • 从单目视频中神经捕捉可动画 3D 人体

    本文提出了一种基于动态神经辐射场和网格参数化三维人体模型的新方法，通过映射表征人体在不同姿势和角度的变化特征，实现了高质量渲染。

    Aug, 2022

  • 神经身体拟合：统一深度学习和基于模型的人体姿态和形状估计

    该论文提出了一种新方法，将一个统计体模型嵌入到 CNN 中，并利用底部向上的语义体部分分割和稳健的自上而下的体模型约束，实现从 2D 图像中进行 3D 人体姿态估计的目的。

    Aug, 2018

  • BodyNet: 3D 人体形状的体积推断

    本篇研究提出了一种名为 BodyNet 的神经网络，通过直接推断体积棱柿，从而预测自然图像中的三维人体形状，同时结合三维损失和多视角重投影损失以及适当的监督，实现了性能的提升；通过将 SMPL 模型应用于网络输出，并在 SURREAL 和 Unite the People 数据集上展示了最先进的结果，证明了本方法的有效性。

    Apr, 2018