【论文理解】Detailed Human Shape Estim
CVPR 2019
论文链接:https://arxiv.org/pdf/1904.10506.pdf
源码:https://github.com/zhuhao-nju/hmd
译文:http://tongtianta.site/paper/40353
什么是锚点(anchor point): https://blog.csdn.net/timwolee/article/details/9370917
参考资料:
1. 什么是锚点?
https://blog.csdn.net/timwolee/article/details/9370917
2. IoU
深度学习中IU、IoU(Intersection over Union)的概念理解以及python程序实现
https://blog.csdn.net/iamoldpan/article/details/78799857
3. 拉普拉斯网格形变
https://www.cnblogs.com/TooManyWayToBe/p/8463049.html
什么是锚点?(简单点说:锚点就是图片的原点)
文章解决的问题:提出了一个新的框架,从单个图像恢复详细的3D人体形状。
挑战:人体形状,身体姿势和关键点的变化
现有方法:通常尝试使用缺少表面细节的基于参数的模板来恢复人体形状。
现有方法存在的问题:所得到的身体形状似乎没有衣服。
文中方法:在本文中提出了一种新的基于深度学习的框架,它结合了参数模型的鲁棒性和自由形式三维变形的灵活性。本文使用深度神经网络在层次网格变形(HMD)框架中利用来自身体关节,轮廓和每像素着色信息的约束来细化3D形状,能够恢复皮肤模型之外的详细人体形状。
与目前最先进的方法(HMR [16])相比,我们得到了恢复的体形,其表面细节更适合输入图像。As compared with the current state-of-the-art method (HMR [16]), we have got the recovered body shapes with surface details that better fit to the input image.
1. 相关工作
通过预测统计体形模型的参数来重建人体形状,例如SMPL [ 20]和SCAPE [3]
参数化形状具有低保真度,无法捕捉服装细节。 另一组方法[34,36]使用CNN直接从图像估计体积人体形状,而得到的体积表示相当粗糙并且不包含形状细节。