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: