Mar, 2022

遮挡人体网格恢复

PDF
TL;DR本文提出了一种顶部下降的网格恢复方法（OCHMR），该方法利用图像空间上下文来克服单人假设的局限性，并通过 Contextual Normalization 块适应性地调节顶部下降模型的中间特征，这使得模型能够在多人遮挡的情况下区分出严重重叠的人边框，从而获得了优于其他方法的表现。
monocular human mesh recoveryoccluded human mesh recoverycontextual normalizationmulti-person occlusion3d human meshes
发现论文，激发创造
  • 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

  • VoteHMR：面向遮挡感知的点云投票网络用于从部分点云中鲁棒恢复 3D 人体网格

    本文提出了一个名为 VoteHMR 的方法，利用包括关节级别特征和输入点云全局特征的信息，通过新颖的遮挡感知投票网络从单帧部分点云中重建可靠的 3D 人类形态，并通过运动学树将关节级别特征填充完成亚像素级参数预测，使得方法在各项指标上均超过先前的工作。

    Oct, 2021

  • CrowdRec: 单色图像的 3D 众人重建

    通过利用人群特征和提出群体约束优化方法，本研究旨在改善单个人物方法在人群图片上的表现，从而实现在大规模人群图像中获得准确的姿势和形状。

    Oct, 2023

  • 单目三维多人姿态估计的相互适应推理

    本论文提出了一种新的统一模型，通过结构化 2.5D 姿势估计和端到端几何感知深度推理方法相结合，解决了估计单目多人 3D 姿势以摄像机为中心坐标的问题，相比于现有的自顶向下和自底向上方法，我们的模型在准确性和速度方面都表现出色。

    Jul, 2022

  • 通过整合自上而下和自下而上网络进行单目 3D 多人姿态估计

    本研究提出一种结合自上而下和自下而上方法的 3D 多人姿态估计方法，并利用两人姿态鉴别器和半监督方法增强鲁棒性和准确性，实验证明该方法比现有基线模型更有效。

    Apr, 2021

  • 单目 RGB 相机空间下的三维手部网格恢复

    利用虚拟现实、增强现实和手势控制等技术的快速发展，用户期望与计算机界面的交互更加自然和直观。本研究提出了一种网络模型，可从单目 RGB 图像中恢复相机空间中的 3D 手部网格，以实现准确和可靠的绝对空间预测。通过在大规模手部数据集 FreiHAND 上的评估，我们证明了我们提出的模型与最先进的模型具有可比性，为各种人机交互应用中的准确可靠的绝对空间预测技术的发展做出了贡献。

    May, 2024

  • HumanMeshNet：人类的多边形网格恢复

    提出一种新模型 HumanMeshNet，它在多分支、多任务设置下，通过回归模板网格的顶点以及使用三维骨架位置进行规则化，隐式地学习了网格表示，从而实现虚拟、增强现实平台、动画行业、电子商务领域等方面的实时重建，并在三个公开数据集上展示了可比较的表面精度和关节误差性能。

    Aug, 2019

  • 人体去遮挡：人的隐形感知与恢复

    使用两阶段框架和基于 mask 的网络方法，本文针对人体消失的问题进行研究，提出了一种新颖的注意力模块和收集了 Amodal Human Perception dataset（AHP）来验证我们方法的有效性和优越性。

    Mar, 2021

  • 人体形状和姿势的端到端恢复

    本文提出了一种名为 HMR 的端到端框架，可从单个 RGB 图像恢复人体的完整 3D 网格，通过优化关键点的后投影损失来训练模型，并使用对抗神经网络解决了模型参数欠约束的问题，最终实现了在野外图像中直接从像素预测人体姿态和形状参数的目标。

    Dec, 2017

  • DPMesh: 利用扩散先验进行有遮挡人体网格恢复

    通过利用预训练的文本到图像扩散模型中嵌入的物体结构和空间关系的悠久经验规则，DPMesh 创新性地提出一种处理受遮挡人体网格的框架，通过无缝集成预训练的去噪 U-Net 模型，结合有效的 2D 观测条件注入，以及专用噪声关键点推理方法，实现了具有准确性和鲁棒性的三维人体网格恢复。

    Apr, 2024