CVPRJan, 2023

Crowd3D：从单张图像中重建数百人

PDF
TL;DR本文提出了 Crowd3D 框架，用于从单个广角场景图像中重建数百人的三维姿态、形状和位置，该方法基于新定义的 Human-scene Virtual Interaction Point（HVIP）的像素定位来解决复杂场景中的人群定位问题，并使用 adaptive human-centric cropping 方案进行处理，同时贡献了一组用于场景人群重建的基准数据集 LargeCrowd。
发现论文，激发创造
  • 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

  • 单张图片中的多人隐式重建

    本研究提出了一种新的端到端学习框架，可以从一张图像中获取多人的详细且具有空间连续性的重建，并能解决多人姿态、遮挡、衣着等问题带来的困难，实现了对穿衣人体在任意姿势下的模型自由_implcicit 3D 重建和同步估计。针对模型和数据集，实验结果表明，该方法与现有的竞争方法相比，具有更高的精度和完整性，呈现了最先进的性能。

    Apr, 2021

  • 学习从复杂野外场景中恢复鲁棒的三维人体网格

    该研究论文提出了一种名为 3DCrowdNet 的深度学习模型，利用 2D 人体姿态估计和基于关节回归的方法，从拥挤的实景图像中恢复出单个人的三维人体模型。

    Apr, 2021

  • 利用超图关系推理重构人群

    在大规模拥挤场景中，针对相互遮挡、严重尺度变化和复杂的空间分布等问题，通过充分利用人群特征从单目图像中重建人群，该研究提出了一种新颖的超图关系推理网络，用于建立人与群体之间的复杂和高阶关系相关性。实验结果表明，该方法在拥挤和常见场景中均优于其他基线方法。

    Aug, 2023

  • 从单张图片中重建互动多人穿着的 3D 模型

    本文介绍了一种重建单张图像中多人穿着服装的相互作用几何结构的新型流程。通过利用两个人体先验来解决遮挡带来的挑战，使用几何先验和表面接触先验，在场景空间中全局细化人体姿态，实现无穿透的准确重建。与现有方法相比，结果表明我们的方法具有完备性、全局一致性和物理可行性。

    Jan, 2024

  • 从单张图像中连贯重建多人

    本研究针对单张图像中的多人 3D 姿态估计问题，采用自顶向下的方法，并利用 SMPL 参数化身体模型，提出了基于距离场碰撞损失和深度排序感知损失的网络训练框架，有效解决了结果不连贯的问题，并且在标准的 3D 姿态基准测试中表现出优异性能。

    Jun, 2020

  • 基于多视角几何的拥挤场景多人三维姿态估计

    本文提出了一种基于图模型和最大后验估计的多人跨视角估计的方法，旨在解决人体关节匹配和模型鲁棒性的问题，并在四个基准数据集上证明了该方法的有效性和优越性。

    Jul, 2020

  • 从单目图像估计多人三维人体姿态

    通过提出的 HG-RCNN 网络，借助 Mask-RCNN 和 Hourglass 结构进行多人 3D 人体姿态估计，实现对每个感兴趣区域（RoI）中 2D 关键点的先预测后提升，最终采用弱透视投影模型和焦距和根偏移的联合优化将估计的 3D 姿态置于相机坐标系下，该网络简单模块化且无需多人 3D 姿态数据集，取得了 MuPoTS-3D 数据集的最优性能，并能近似在相机坐标系下估计 3D 姿态。

    Sep, 2019

  • 从单幅图像中综合估计三维人体和场景网格

    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。

    Dec, 2020

  • DeepHuman：从单张图像重建 3D 人体

    提出了一种用于从单个 RGB 图像进行 3D 人体重建的基于图像引导的体积到体积的转换 CNN，通过 SMPL 模型生成密集的语义表示来减少与表面几何重建相关的歧义，将不同尺度的图像特征融合到三维空间中，并通过法线细化网络来进一步提高可见面细节的精度，使用所提出的体积法向投影层将其连接到体积生成网络中，并使用其中包含的 3D 真实世界人体模型数据集进行训练，实验表明该方法在前沿方法中表现优异。

    Mar, 2019