Sep, 2023

ORTexME：通过时域平均纹理和网格编码实现抗遮挡的人体形状和姿势

PDF
TL;DR通过利用输入视频的时间信息更好地规范遮挡的身体部位，我们引入 ORTexME，一种具有遮挡鲁棒性的时间方法。我们的方法在具有挑战性的多人 3DPW 数据集上取得了显著改进，P-MPJPE 误差减少 1.8，而渲染方法则使误差增大 5.6。
3d human shapepose estimationocclusionnerfaverage texture learning
发现论文，激发创造
  • 抗遮挡的三维人体姿势估计

    通过使用空时图形来表示变形的人体，并引入一个细化网络，该网络在此图形上执行图形卷积以输出 3D 姿势，以确保对遮挡鲁棒性，通过使用一组二进制掩码训练此网络，并模拟某些关节在一段时间内可隐藏，并训练网络对此免疫，证明了该方法相对于从单摄像机序列推断姿势的最先进技术的有效性。

    Feb, 2024

  • 用于遮挡人物的三维人体姿态估计和定位的时间平滑技术

    本文介绍了一种基于能量最小化的方法，用于解决多人姿态估计中的遮挡问题，该方法在时间上生成平滑、有效的轨迹，填补可视性差的空隙，实现了优于其他基于插值的方法的结果；同时，我们提出了合成的 MuCo-Temp 数据集，该数据集是 MuCo-3DHP 数据集的时间扩展。

    Oct, 2020

  • TEMP3D: 出现遮挡的连续时间 3D 人体姿势估计

    在具有重度遮挡的视频序列中，通过使用人体运动先验、大规模预训练的三维姿势和自监督学习，借助于时间连续性的潜力，提高给定视频序列中的三维姿势估计，从而在包含遮挡的自然环境视频中得到连续的三维姿势估计。

    Dec, 2023

  • LASOR: 通过合成有遮挡感知数据和神经网格渲染学习精确的三维人体姿态和形状

    针对人体姿态和形状估计中的遮挡问题，特别是人物之间的遮挡问题，本文提出了一种新的框架，通过合成 occlusion-aware 阴影和 2D 关键点方便估计 SMPL 姿态和形状参数，使用三维神经网格渲染器实现了实时新学习，已在现有数据集中表现出优越性能。

    Aug, 2021

  • 增强时空上下文：单目视频中具有时态一致性的稳健 3D 人体动作恢复

    提出了一种从单眼视频中恢复时间一致的 3D 人体姿势、形状和动作的方法，通过使用具有身体感知特征表示和独立的逐帧姿势和相机初始化，结合自相似性和自注意力等技术进行时空特征聚合，该方法提供了增强的时空上下文，可在各种复杂场景下得到更准确的姿势估计和形状重建。

    Nov, 2023

  • TexMesh：从 RGB-D 视频重建详细的人体纹理和几何形状

    TexMesh 是一种利用 RGB-D 视频重建详细的人体网格及高分辨率全身纹理，实现高质量自由视角呈现的新方法。

    Aug, 2020

  • 从物体遮挡的单目视频中渲染人类

    我们提出了一种新的神经渲染方法 OccNeRF，通过整合几何和可见性先验，实现了在严重遮挡场景中更好地渲染人类形象。我们验证了该方法在模拟和真实遮挡情况下的优越性。

    Aug, 2023

  • 使用具有显式遮挡训练的时空网络进行 3D 人体姿势估计

    借助多尺度空间特征和多步幅时间卷积网络，在设计 A 的基础上，B 通过在训练过程中模拟各种遮挡情况来提高露出度鲁棒性，并利用 2D 视频数据注入半监督学习能力。实验证实了该方法的有效性，并且消融研究表明我们网络的单个子模块的优势。

    Apr, 2020

  • 3D 人体姿态估计对遮挡的鲁棒性如何？

    本文研究了在人机共享环境中，部分遮挡对 3D 人体姿态估计的影响及几种合成遮挡类型对 Human3.6M 数据集中现有方法的影响，并发现性能最好的方法即使在轻微遮挡下也会出现敏感性，通过训练数据增强和合成遮挡来提高遮挡鲁棒性并有效地规范化模型。

    Aug, 2018

  • 使用时间一致性损失实现单目视频高分辨率纹理和服饰 3D 人模重建

    本文介绍了一种从单目视频中学习时态一致的 3D 服饰人物重建的新方法，该方法通过引入新的时间一致性损失函数和混合表示学习，显著提高了重建的准确性、完整性、质量和时间一致性。

    Apr, 2021