一 写在前面

未经允许，不得转载，谢谢~~~

这篇论文主要完成了对手和手中的物体同时进行重建，并贡献了一个对应的ObMan数据集。

• 论文出处：CVPR2019
• 论文链接：https://arxiv.org/abs/1904.05767
• 项目主页：http://www.di.ens.fr/willow/research/obman/ （展示，数据集，code）

二 简单介绍

先看一下效果图吧

主要用处：

同时恢复人和手中物体的3D形状对以下方向都有重要意义：

• VR（虚拟现实）
• AR（增强现实）
• HCI（人机交互）
• action recognition(动作识别)
• 以及机器人领域让机器学会模仿人的动作都具有重要意义。

本文主要贡献：

• 如上图实现了一个end2end可同时对手和物体进行恢复的网络。
• 设计了contract loss，让手和物体有接触但是又不能相互影响。
• 贡献了大规模手和物体相互作用的ObMan数据集。

三 文章主要方法

从整体上来看分成上下两路：

• 下面：预测物体的形状（object）
• 上面：预测手的形状（hand），并预测将object转到手的相关坐标系需要变换的角度trans和尺寸scale。

3.1 手模型 hand model

• 将MAMO hand model变成一个可微分的网络层；
• hand encoder得到一个特征向量，经过全卷积层得到beta和pose，其中pose表示手关节点等信息，beta表示不同人手的变换特性（例如胖瘦）
• MAMO接受beta和pose的输入，能够得到对应手的顶点信息vertices和关节点信息joints
• 在原MONO16个关节点joints 的基础上，本文又加了5个表示手指头位置的关节点，共21个构成最终关节点J

• 所以这部分的loss函数：

  
  
• Vhand对应vertices, J对应joints,这两项都是用预测到点与gt的点之间的L2距离计算loss;
• 最后一项对应beta，是希望约束beta的变换不要太大。

3.2 物体模型 object model

• 用AtlasNet网络作为物体预测网络，接受物体点云+图像特征的输入，输出新的坐标位置。
• AltasNet用Chamfer loss来进行网络的训练。
• 除了Chamfer loss，文章还提出了额外的loss来是得mesh的生成效果更好。
• L_E表示对于边的长度与平均边长相差很大的惩罚；
• L_L表示鼓励物体的曲率接近球体的曲率；

• 物体模型的loss函数：

  
  
• Vobj表示物体主要的Chamfer loss。
• 除了物体模型本身的loss之外，我们上面提到为了结合手和物体，还预测了一个Trans和Scale，对应的也有两个loss， L_T 和 L_S。具体的计算方法都是与gt的T和S的L2距离。

• 所示这部分的loss函数：

  
  

3.3 手和物体联合loss：contract loss

• 这个loss的意思就是开头提到的手和物体之间一定要有接触，但是又不能相互影响（例如不能出现一个出现在另一个内部的情况）。

  
  
• 整体上说就是一个L_R和一个L_A, L_A鼓励接触，L_R惩罚穿透。
  

3.4 网络整体loss

• 第一阶段：

  
  

• 第二阶段：

  
  

3.5 ObMan dataset

展示一下，毕竟一个数据集的贡献程度有的时候可能比论文的方法要来的重要。

四 简单总结

文章中的一些补充材料：

• MAMO: J. Romero, D. Tzionas, and M. J. Black. Embodied hands: Modeling and capturing hands and bodies together. ACM Transactions on Graphics, (Proc. SIGGRAPH Asia), 36(6), 2017. 1, 3, 5
• AtlasNet: T. Groueix, M. Fisher, V. G. Kim, B. Russell, and M. Aubry. AtlasNet: A papier-mˆach´e approach to learning 3D surface generation. In CVPR, 2018. 2, 3, 4, 6

关于整体思路：

• 最主要的是数据的获取与处理。
• 有数据集的情况下，最核心的问题变成：数据的利用 （网络设计，loss设计）

三维重建方向的论文看了应该有挺多篇了，但是一直没有真正上手，确实需要反思一下这个过程中存在的畏难情绪。希望这个暑假可以做出一点相关方向的东西。