3D人体重建从单张图中-DeepHuman: 3D Human Reconstruction from a Single Image

最新推荐文章于 2024-04-26 09:41:46 发布
最新推荐文章于 2024-04-26 09:41:46 发布
阅读量5k 收藏 8
点赞数 2
分类专栏： 三维重建 文章标签： paper 三维重建
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/CSS360/article/details/99675069
版权

论文链接：http://www.liuyebin.com/deephuman/assets/DeepHuman.pdf

摘要

        我们提出深度人体，一个图像导向立体到立体的转换CNN对3D人体重建从一个单张RGB图像。为减少干扰涉及在表面几何重建，即使对不可见的区域也可以进行重建，我们提出和利用一个稠密的语义展示形成从SMPL模型作为一个外部的输入。一个关键特征在我们的网络融合不同尺度的图像特征进入3D空间通过立体特征转换，来帮助恢复精确表面几何。这可见表面细节较进一步重构通过一个正向重建网络，它能够被连接使用立体生成网络使用我们的提出的立体几何正投影层。我们也提供了THuman，一个3D真实世界的人体模型数据集，包含7000个模型。这个网络被训练使用训练数据形成从数据集中。总之，由于特定设计我们的设计和多样的数据集，我们的方法能够对3D人体模型评估，只需要给定单张图像和具有较好的性能。

给定单张图输入人体重建结果

系统结构

网络主要组成包括一个图像特征编码（橙色），立体到立体转换网络（蓝色&绿色），正向投影网络（黄色）。

不同方法结果对比

更多《计算机视觉与图形学》知识，可关注下方公众号：
在这里插入图片描述

元宇宙MetaAI
关注
  • 2
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
3D Human相关研究总结：人体、姿态估计、人体重建等
Paper weekly
03-01 1万+
©PaperWeekly 原创 ·作者｜张莹单位｜腾讯本文简要介绍与 3D 数字人相关的研究，包括常用 3D 表示、常用 3D 人体模型、3D 人体姿态估计，带衣服 3D 人体重建，3D...
第十九周周报
Joy_moon的博客
01-26 722
本周阅读了提出DeepHuman、PIFU、InterGAN的三篇文章，知道在3维人体重建中的比较主流的步骤；首先通过一些方法比如：SMPL等，先构建表面，然后另一个管道生成表面的纹理。最后两者综合生成出来最后的模型。作者提出了一种image-guided volume-to-volume translation进行单图真人三维重建的CNN算法。为了减少表面重建的模糊噪声（包含不可见区域重建，指相机视角看不见的地方），作者提出通过SMPL模型生成的密集语义作为输入。
DeepHuman:从单一图像中3D人体重建
一只大憨憨的博客
01-11 3525
摘要：我们提出DeepHuman，一种图像引导的体到体转换CNN，用于从单一的RGB图像进行3D人体重建。为了减少与表面几何重建相关的模糊性，甚至对于不可见区域的重建，我们提出并利用从SMPL模型生成的密集语义表示作为额外的输入。我们的网络的一个关键特征是通过体积特征变换将不同尺度的图像特征融合到三维空间中，这有助于恢复精确的表面几何。可见表面细节通过常规精细网络进一步细化，该网络可以使用我们提出的体积法向投影层与体积生成网络连接。我们还提供了一个包含约7000个模型的三维真实人类模型数据集——THuman
探索DeepHuman：构建3D人体模型的技术利器
最新发布
gitblog_00002的博客
04-26 316
探索DeepHuman：构建3D人体模型的技术利器 项目地址:https://gitcode.com/ZhengZerong/DeepHuman 项目简介 DeepHuman是一个开源项目，旨在通过深度学习技术帮助用户创建精准、逼真的三维人体模型。它由郑泽榕开发并维护，提供了一种创新的方法来处理计算机视觉中的人体建模问题，让艺术家、开发者和科研人员都能轻松生成高质量的3D人物。 技术分析 Dee...
DeepHuman 笔记
weixin_44728640的博客
11-27 1037
DeepHuman: 3D Human Reconstruction from a Single Image 概要：从单个RGB图片进行人体三维重建，其使用了深度学习的框架，一种图像导引的体积到体积平移CNN。还提供了一个包含约7000个模型的3D真实人体模型数据集–THuman。该数据集可以考虑用到我的对抗网络里面。 该方法从粗到精的方式进行三维人体重建，将任务分解为三个子任务：a)从输入图像进行参数化人体估计，b)从图像和估计物体进行表面重建，以及c)根据图像进行可见的表面细节细化。 THuman有大约
3D人体重建方法漫谈
haima1998的专栏
06-06 1634
转自：https://blog.csdn.net/Asimov_Liu/article/details/96442990
2022 CVPR 三维人体重建相关论文汇总（3D Human Reconstruction）
本博客主要总结计算机视觉（三维人体重建）方向的相关知识，同时发布个人见解以及领域进展！
08-22 5689
本文总结了CVPR2022中关于三维人体重建的相关论文其中包括3D Clothed Human Reconstruction、Human Performance Capture、Human Mesh Recovery等相关方向的文章！
3D-face-reconstruction:使用直接体积CNN回归从单个图像进行3D人脸重建
05-10
传统的3D重建方法通常需要多个视角的图像作为输入，而直接体积CNN回归则尝试直接从单张图像中提取3D信息，这大大简化了流程并提高了实时性。 在3D人脸重建中，数据集的选取至关重要。数据集应包含大量不同角度、...
3D-Reconstruction-With-RGBD:Kinect制作的3D重建演示
04-30
带RGBD的3D重建 介绍 这是BUCT第三学期构建的演示。 这是HuWei分配的任务，需要我们与Kinect一起工作，因此我们要对其进行3D重建。 该演示尚未完全完成。 因此，它留下了许多未构造的或构造不足的功能。 在本演示中...
mvs-texturing:从多视图立体图像中对3D重建进行纹理化的算法
05-03
欢迎来到我们的项目，该项目可以根据图像对3D重建进行纹理处理。 该项目专注于使用运动和多视图立体技术的结构生成的3D重建，但是，它不限于此设置。 该算法已于2014年9月在欧洲计算机视觉会议上发布。 请参阅我们...
3D-RCNN: Instance-level 3D Object Reconstruction via Render-and-Compare
07-04
We present a fast inverse-graphics framework for instance-level 3D scene understanding. We train a deep convolutional network that learns to map image regions to the full 3D shape and pose of all ...
HTML5 Canvas生成很自然流畅的人体运动动画.rar
07-10
HTML5 CSS3 Canvas技术生成很自然流畅的人体运动动画，模拟出了身体碰撞被挤压的动画特效，在实例中有一个大球，用户操作大球任意运动，碰撞到人体的任意部分后，人体会自然的受到挤压和躲避，可看到人的身体某部分非常灵巧的闪躲效果，在操作球体的过程中，加入了重力控制的功能，使其更符合物理运动规律，我觉得是个相当不错的HTML5 特效。
Computer-Vision-and-Photogrammetry:弗罗茨瓦夫大学的课程-通过图像管道进行完整的3D重建
05-13
从2D和3D点对应关系计算投影矩阵Lab2-估计镜头畸变和图像不失真Lab3-对极几何，基本矩阵和基本矩阵，三角剖分Lab4-功能检测Lab5-功能描述符Lab6-从图像到3D点云的完全重建每个实验室的结果都可以在相应的目录中找到...
人体三维重建——参数化人体方法简述
shenlanshenyanai的博客
12-21 4517
三维人体形状指的是以三维网格形式表示的人体几何形状模型。按照[1]中的分类方式，可以将三维人体形状重建粗略的分为参数化方法与非参数化方法。本次先介绍参数化方法。 参数化人体形状重建方法依赖于某个基于统计得到的人体参数化模型，仅需一组低维向量（即人体参数）即可描述人体形状。目前常见的参数化人体模型如SCAPE[2]、SMPL[3]、SMPL-X[4]等。 以SCAPE为例，它定义了两个独立的低维参数空间：人体体型（Shape）空间与人体姿态（Pose）空间。给定空间下的一组人体体型参数与人体姿态参数，即可
从单张图重建三维人体模型综述（一）
CSS360的博客
10-31 1740
《DeepHuman: 3D Human Reconstruction from a Single Image》 我们提出了DeepHuman，一种用于从单个RGB图像重建三维人体的图像引导体积到体积的CNN。为了减少与曲面几何重建相关的歧义，甚至对于不可见区域的重建，我们提出并利用SMPL模型生成的密集语义表示作为额外输入。我们网络的一个关键特征是，它通过体积特征变换将不同比例的图像特征融合到三维空间中，这有助于恢复精确的曲面几何。可见表面细节通过法线细化网络进一步细化，该网络可以使用我们提出的体积法线投
3D Face Reconstruction from a Single Image
jinxinsummer的博客
10-25 2355
学习，诺丁汉大学和金斯顿大学的一队AI专家，最近的一个新研究成果：使用机器学习算法，只需要一张人脸照片，就能生成3D人脸。 怎么做到的？其实背后是一个卷积神经网络，研究人员把大量人脸数据喂给这个网络进行训练，最终这个AI学会了从照片脑补出3D人脸。 Demo 想尝试一下的朋友，可以赶紧前往下面这个网址： http://cs.nott.ac.uk/~psxasj/3dme/ 论文 这
3D Human Body Reconstruction from a Single Image via Volumetric Regression笔记
weixin_44728640的博客
12-05 2146
3D Human Body Reconstruction from a Single Image via Volumetric Regression （基于体积回归的单幅图像三维人体重建） Abstract 本文提出了一种端到端的卷积神经网络，通过体积回归直接重建人体的三维几何形状。该方法不需要拟合形状模型，并且可以从各种输入类型进行训练，无论是地标、图像还是分割掩码。此外，不可见部分，无论是自遮挡的还是其他的，仍然被重建，这与深度图回归的情况不同。实验结果表明，在给定合适的训练数据集的情况下，我们的方法既
Accurate 3D Face Reconstruction from a Single Image: A Holistic Approach主要内容
07-15
《Accurate 3D Face Reconstruction from a Single Image: A Holistic Approach》这篇论文的主要内容是介绍了一种基于单个图像的准确三维人脸重建方法，其采用了一种全面的方法来捕捉人脸的几何形状和纹理信息。 论文的作者 Aaron S. Jackson, Adrian Bulat, Vasileios Argyriou, Georgios Tzimiropoulos 提出了一个由两个主要组件组成的框架：3DMM（3D Morphable Model）回归器和姿态估计器。 首先，他们使用3DMM回归器来估计人脸的形状参数和纹理参数。这个回归器通过将人脸图像映射到3DMM参数空间，利用深度卷积神经网络（CNN）来预测人脸的三维形状和纹理参数。 然后，他们提出了一种姿态估计器来估计人脸的姿态参数。这个姿态估计器使用CNN来预测人脸的旋转和平移参数，以校正人脸的姿态。 最后，通过将形状参数、纹理参数和姿态参数结合起来，他们可以生成准确的三维人脸重建结果。 该方法在多个数据集上进行了实验评估，结果表明，与其他基准方法相比，该方法能够产生更准确和逼真的三维人脸重建结果。此外，该方法还具有一定的鲁棒性，对于具有不同姿态和光照条件的人脸图像也能取得良好的效果。 总的来说，《Accurate 3D Face Reconstruction from a Single Image: A Holistic Approach》这篇论文提出了一种综合性的方法，通过结合形状参数、纹理参数和姿态参数，实现了准确的三维人脸重建。这个方法在单个图像上能够生成高质量的三维人脸模型，对于人脸分析、虚拟现实等应用具有重要意义。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值