人体网格恢复的概率建模

ICCVAug, 2021

Probabilistic Modeling for Human Mesh Recovery

Nikos Kolotouros, Georgios Pavlakos, Dinesh Jayaraman, Kostas Daniilidis

TL;DR本文提出一种基于正常流模型的方法，利用概率建模的思想，从多个视角的 2D 图像集合中重建 3D 人体姿势。该方法在人体姿势重建、模拟及建模上都取得了较好的效果，且可通过提供多种样本取得更为准确的估计。

Abstract

This paper focuses on the problem of 3d human reconstruction from 2D evidence. Although this is an inherently ambiguous problem, the majority of recent works avoid the uncertainty modeling and typically regress a

3d human reconstruction uncertainty modeling normalizing flows model probabilistic modeling mesh recovery

发现论文，激发创造

基于归一化流的概率单目三维人体姿态估计

本文提出了一种基于正规化流的人体 3D 姿态恢复方法，采用多种假设生成可行的 3D 姿势的后验分布，并结合 2D 检测器的不确定性信息建模不确定探测和遮挡，其中学习出的 3D 姿态先验和最优 M 损失的推广是实现成功的关键因素，该方法在人体 3.6M 和 MPI-INF-3DHP 两个基准数据集上优于所有可比方法。

Jul, 2021

从单目图像中恢复 3D 人体网格：一项调查

本篇文章调查了单目三维人体网格恢复的相关任务，包括身体模型，恢复框架 / 训练目标，数据集评估指标和评测结果，并从优势和劣势方面深入分析了两种范式：优化和回归。作者希望激励研究人员的兴趣，促进该领域的研究。

Mar, 2022

基于自我中心视角的三维场景中概率人类网格恢复

提出了一种基于场景的扩散方法，用于从自我感知的角度预测社交伴侣的姿态和形状，通过物理学基础碰撞评分进一步解决人 - 场景相互渗透，分类器自由训练使得在不同情况下可进行可扩展抽样，并具有更多的多样性，能够通过基于每个关节的可见性进行噪声去除，控制每个身体部位，实现了优秀的可见关节准确度和不可见身体部位的多样性。

Apr, 2023

3D 多体：将一组可信的三维人体模型拟合到模糊的图像数据上

研究单视图和部分遮挡视图下获取人体的密集三维重建问题，建议通过合适的三维模型参数化人体形状和姿势，学习一种多假设神经网络回归器，约束每个假设位于合理人体姿势的流形上，并且在标准 3D 人体基准和重度遮挡版本中，该方法表现出优异的处理模糊姿态恢复的性能。

Nov, 2020

深度学习用于 3D 人体姿势估计和网格恢复的综述

本文通过研究 200 多篇论文，全面回顾了过去五年中 3D 人体姿态估计和网格恢复领域的深度学习方法进展，包括单人和多人方法，以及基于显式模型和隐式表示的人体网格恢复方法，并提供了公开数据集上的比较结果，以及深入观察和激发未来研究方向。

Feb, 2024

学习用于人体网格恢复的本地循环模型

提出一种结合骨架模型、将人类网格划分为多个局部部分并使用单独的循环模型建模每个局部部分动态的新方法，进行视频网格恢复，最终实现了在多个基准数据集上的最先进结果。

Jul, 2021

非校准多视角三维人体姿态估计的概率三角测量

本文提出了一种使用概率三角测量模块的方法，将已标定的 3D 人体姿势估计方法推广到非标定场景，通过从 2D 特征迭代更新概率分布的方式实现相机姿势的后验概率，并将梯度直接反向传播到 2D 热图，从而实现端到端的训练。实验证明，本方法在估计精度和普适性之间取得了权衡，并在 Human3.6M 和 CMU Panoptic 数据集上的实验中优于其他非标定方法，并达到了与最先进标定方法相当的结果。

Sep, 2023

基于归一化流的弱监督 3D 人体姿态和形状重建

本文提出了一种基于运动捕捉数据集和大规模图像和视频数据集的半监督和自监督学习方法，利用运动和不同 iable 的语义身体部位对齐损失函数进行训练，来精确地估计单眼三维人体姿态和形状。实验结果证明，该方法优于现有技术，可用于广泛的真实场景。

Mar, 2020

具备自监督的渐进式多视角人体网格恢复

通过使用中间的二维表示，可学习的校准和三角测量来适应更多样化的相机设置，逐步聚合多视图信息在规范化三维空间中消除二维表示中的歧义，通过广泛的基准测试，特别是针对野外场景的未见过的情况下，我们展示了所提出的解决方案的优越性。

Dec, 2022

分层运动学人类网格恢复

提出了一种基于已知层次结构的人体参数化模型回归新技术，旨在更加灵活应用于当前标准的三维人体网格恢复框架，并通过实验数据证明其性能优于现有方法，能在数据损坏下推断关节。

Mar, 2020