May, 2023

使用图像和文字的深度网络识别人体形状

PDF
TL;DR通过使用基于语言（以单词为基础）的身体描述和标准物体分类方法相结合的方法，我们发现身体形状可以用作跨越不同距离和视角的生物特征，从而提高人体识别的准确性。
biometricbody shapelinguistic modelsobject classificationidentity-ranking
发现论文，激发创造
  • 利用度量和语义属性进行精准的三维人体形状回归

    通过采集互联网上的时尚模特图片和一小部分人体测量数据，以及用于各种三维身体网格的语言形状属性，我们训练了一种名为 SHAPY 的神经网络，该模型可从 RGB 图像中回归出三维人物的姿态以及形状。在新的 HBW 数据集上进行测试，SHAPY 在三维人体形状估计任务上表现出色，明显优于现有技术。

    Jun, 2022

  • 基于深度学习的二值掩模图像人体形状重建

    本文提出了一种基于深度学习的方法，通过 2D 正交视图来实现 3D 人体形态的重建，使用二进制掩膜图像即可快速创建数字化人物，并可应用于 3D 游戏、虚拟现实、在线时装购物等领域。

    Jun, 2018

  • 个人照片集中的人物识别

    该论文提出了一种基于多图像区域（头部、身体等）的简单的人员识别框架，以应对社交媒体照片中的人员识别问题，并针对训练和测试样本之间的时间和外观差距提出了新的识别方法，该方法在 PIPA 基准上取得了最先进的结果，对不同的特征进行了深入的分析。

    Oct, 2017

  • 基于单张图像的人体形状分类

    本文提出了一个从单一图像中分类人体形状的方法，该系统不需要 3D 身体重建，可以在嘈杂的环境中进行操作，可以用于推荐合适的尺寸和试穿系统。

    May, 2023

  • 非刚性三维人体模型的形状检索

    本研究旨在对非刚性三维人体模型的形状检索算法进行基准测试，并通过添加新的训练集数据，对先前的检索算法基准测试结果进行更新和扩充。共使用了 25 种不同的形状检索方法进行实验，并在 FAUST 人体扫描数据集上进行测试。

    Mar, 2020

  • 面部和身体形状能透露身高信息

    本论文主要研究从单个图像中恢复人的高度，采用机器学习模型结合人体解剖学的相关特征进行估计，构建了一个新的数据集，通过人脸识别和分配一致性将明确的高度标签扩展到更多的图像，并获得了 5.56cm 的平均绝对误差。

    May, 2018

  • 可见光 - 红外人员重识别的形态消除特征学习

    提出了一种基于消除身体形状信息的特征学习模式，以增强可见 - 红外人员重新识别的模态共享特征的多样性，并在多个数据集上证明了该方法的有效性。

    Apr, 2023

  • 通过全局和本地图像 - 语言关联改进个体重新识别的深度视觉表示

    本研究提出了一种利用自然语言描述作为附加训练监督的方法来有效地学习视觉特征。通过建立全局和局部图像 - 语言关联来实现语义一致性，该方法不仅能够学习更好的全局视觉特征，还能够强制对局部视觉和语言特征进行语义一致性的限制，从而实现了对于特定个体较为紧凑和语义的描述。在实验中，我们证明了语言作为训练监督在两种关联方案下具有有效性，并且在不使用任何辅助信息的情况下实现了最新的技术性能，比其他图像 - 语言交互的联合嵌入方法表现更出色。

    Aug, 2018

  • 用可神经映射的模型接近人类 3D 形状感知

    了解人类对 3D 形状的推断在神经可映射计算架构中的基础，并强调未来研究的重要问题。

    Aug, 2023

  • 从单个 RGB 相机学习重建穿着衣服的人

    本文提出了一种基于学习的模型，利用少量单目视频帧 (1-8 帧) 从移动的人中推断出其个性化的 3D 形状，可在不到 10 秒内达到 5mm 的重建精度。该模型学习预测一个统计体型模型的参数和实例化偏移量，同时加入衣服和头发的形状，具有快速和准确的预测，这得益于其对 T-pose 空间的预测和从上往下和从下往上两个视图预测的结合。该模型仅基于合成的 3D 数据进行学习，可将可变数量的帧作为输入，即使仅有一张图像，也能以 6mm 的精度重建形状。3 个不同数据集的结果表明了本方法的有效性和准确性。

    Mar, 2019