CVPR2023 Highlight | ECON：最新单图穿衣人三维重建SOTA算法

已于 2023-11-29 18:08:30 修改
阅读量285 收藏
点赞数
分类专栏： 3D视觉从入门到精通 文章标签： 算法 SLAM 自动驾驶 3D视觉
于 2023-11-13 07:30:57 首次发布
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/Yong_Qi2015/article/details/134389670
版权
ECON是最新的一种单图像穿衣人三维重建算法，结合隐式和显式方法的优点，提高了重建的准确性和鲁棒性。通过对2D法线图的预测、2.5D前后表面重建，以及利用IF-Nets+进行人形补全，ECON能够在复杂的姿势和宽松衣物下实现高保真的人物重建。实验表明，ECON在3D人体重建任务中超越了现有方法。
摘要由CSDN通过智能技术生成

作者：宁了个宁  | 来源：计算机视觉工坊

在公众号「3D视觉工坊」后台，回复「原论文」可获取论文pdf。

添加微信：dddvisiona，备注：三维重建，拉你入群。文末附行业细分群。

41f1e74bd9a234c253c98840a7ff332b.png

图1所示。从彩色图像进行人体数字化。ECON结合了自由形式隐式表示的最佳方面，以及明确的拟人化正则化，以推断高保真度的3D人类，即使是宽松的衣服或具有挑战性的姿势。

0.笔者个人体会

这篇文章讨论了单图像的穿着人类重建问题。
隐式方法可以用来表示任意3D穿着人类形状，因为它不依赖于拓扑结构，因此具有更高的灵活性。这种方法的缺点是难以扩展到多种服装样式，限制了其在真实场景中的应用。
相比之下，显式方法则使用网格或深度图或点云来重建3D人

了解本专栏 订阅专栏 解锁全文 超级会员免费看
3Ｄ视觉工坊
关注
专栏目录
订阅专栏
CVPR 2023 | HighLight：视觉重定位，同等精度下速度提升300倍
jacke121的专栏
06-01 1398
CVPR 2023 | HighLight：视觉重定位，同等精度下速度提升300倍
CVPR'23｜ViPT：多模态单目标跟踪算法新SOTA！
CV_Autobot的博客
04-07 3171
作者|GlobalTrack 编辑| 极市平台点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【目标跟踪】技术交流群后台回复【目标跟踪综述】获取单目标、多目标、基于学习方法的领域综述！导读本文设计了一个可以用于RGB-D，RGB-T和RGB-E跟踪的视觉提示追踪框架。在提示器帮助下，现有的基础模型可以有效地从RGB域适应下游多模态跟踪任务。论文链接...
CVPR 2023 | 超越MAE！谷歌提出MAGE：图像分类和生成达到SOTA！
阿木寺的博客
03-10 3627
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>【计算机视觉】微信技术交流群转载自：机器之心在一篇CVPR 2023论文中，来自 MIT 和谷歌的研究人员提出了一种全新的框架MAGE，同时在图像识别和生成两大任务上实现了 SOTA。识别和生成是人工智能领域中的两大核心任务，如果能将二者合并到一个统一的系统中，这两个任务应该能实现互补。事实上，在自然语言处理...
CVPR 2022 | PTTR: 基于Transformer的三维点云目标跟踪
3D视觉工坊
06-08 2657
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨罗志鹏来源丨商汤学术导读在CVPR 2022上，商汤研究院团队提出了基于Transformer的3D点云跟踪模型PTTR。PTTR首先在特征提取阶段提出利用特征关联进行采样以保存更多跟被跟踪物体相关的点，然后设计了点云关联Transformer模块进行点云特征匹配。最后，PTTR提出一个轻量化的预测修正模块来进一...
CVPR 2021 | pixelNeRF：一种基于NeRF的多视图三维重建网络
qq_29462849的博客
05-05 4864
项目、论文地址：在公众号「计算机视觉工坊」，后台回复「pixelNeRF」，即可直接下载。概述作者提出了pixelNeRF，一个只需要输入单张或多张图像，就能得到连续场景表示的学习框架。由...
CVPR 2023 | GigaGAN：效果不差Stable Diffusion，速度远优！
idol24的博客
03-11 2465
本文来源 机器之心 编辑：张倩、小舟在文生图领域，扩散模型似乎已经一统天下，让曾经也风头无两的 GAN 显得有些过时。但两相比较，GAN 依然存在不可磨灭的优势。这使得一些研究者在这一方向上持续努力，并取得了非常实用的成果。相关论文已被 CVPR 2023 接收。图像生成是当前 AIGC 领域最热门的方向之一。近期发布的图像生成模型如 DALL・E 2、Imagen、Stable Diffus...
CVPR 2023 | 单阶段半监督目标检测SOTA：ARSL
PaddlePaddle
04-06 1485
本文提出了针对单阶段半监督目标检测任务的Ambiguity-Resistant Semi-supervised Learning（ARSL）算法，创新地提出了两个通用的单阶段半监督检测模块：Joint-Confidence Estimation（JCE）和Task-Separation Assignment（TSA）。
NeuralRecon拜读：单目视频实时连贯三维重建
今天写代码了吗
06-29 2645
CVPR2021：NeuralRecon: Real-Time Coherent 3D Reconstruction from Monocular VideoCode：https://github.com/zju3dv/NeuralRecon传统基于深度图重建方法：基于TSDF的深度图融合方法：存在的问题：NeuralRecon的方案：这种设计允许网络在顺序重建曲面时捕获3D曲面的局部平滑度先验和全局形状先验，从而实现精确、一致和实时的曲面重建 理论基础：Truncated Signed Distance
CVPR2020|Facebook PIFuHD：二维图像生成高质量、高细节三维人物
3D视觉工坊
10-11 2706
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达在年度计算机视觉会议CVPR上，Facebook展示了一种算法，该算法可以仅通过一个摄像头就可以为穿着衣服的人生成相当详细的3D模型...
12、CVPR 2023 | SCConv:能够解决卷积特征冗余的CNN模型+浅谈大模型与轻量级模型
mantoudamahou的博客
11-20 1882
在本文中，作者尝试利用特征之间的空间和通道冗余来进行CNN压缩，并提出了一种高效的卷积模块，称为SCConv (spatial and channel reconstruction convolution)，以减少冗余计算并促进代表性特征的学习。提出的SCConv由空间重构单元(SRU)和信道重构单元(CRU)两个单元组成。SRU采用分离重构的方法来抑制空间冗余，CRU采用分离变换融合的策略来减少信道冗余。此外，SCConv是一种即插即用的架构单元，可直接用于替代各种卷积神经网络中的标准卷积。实验结果表明，
排序算法之归并排序
qq_64039411的博客
10-01 523
需要注意的是，在实际应用中，归并排序的空间复杂度较高，需要额外的空间来存储临时数组。如果对空间复杂度有要求，可以考虑使用其他排序算法。归并排序是一种分治算法，它将一个数组分成两个子数组，然后递归地对子数组进行排序，最后将两个有序的子数组合并成一个有序的数组。归并排序的时间复杂度是O(nlogn)，其中n是数组的长度。它是一种稳定的排序算法，适用于各种数据类型的排序。合并排序的关键在于合并操作。
＜使用生成式AI对四种冒泡排序实现形式分析解释的探讨整理＞
m0_57859086的博客
10-01 1136
/冒泡排序实现1——不常用（这个版本两层for循环分别是i++、j++）// 声明三个整型变量i、j和temp用于循环控制和交换元素for (i = 0;i < n - 1;i++) { // 外层循环，从数组的第一个元素开始遍历到倒数第二个元素j < n;j++) { // 内层循环，从当前外层循环位置的下一个元素开始遍历到最后一个元素if (A[i] > A[j]) { // 如果当前元素大于下一个元素// 将当前元素存储到临时变量temp中// 将下一个元素赋值给当前元素。
算法：按既定顺序创建目标数组
AWSDN的博客
09-29 247
本文主要介绍按既定顺序创建目标数组问题
DAY17||654.最大二叉树 |617.合并二叉树 |700.二叉搜索树中的搜索 |
2301_79865280的博客
09-29 1310
给定一个不含重复元素的整数数组。通过给定的数组构建最大二叉树，并且输出这个树的根节点。示例 ：构造二叉树一定要，因为要先找到中，才能分割左右子树。本题图解思路：本题做过上一题构建数组确实变得容易很多。代码优化方向有，不用每次找左右子树的时候构建新的数组的话效率就会高很多。（即直接用下标索引直接在原数组上操作）关于加不加if的问题，如果允许空节点进入递归，就不加。
【韩顺平Java笔记】第6章：数组、排序和查找
随手写写
10-02 718
排序是将多个数据，依指定的顺序进行排列的过程。
class 004 选择 冒泡 插入排序
最新发布
2301_80967814的博客
10-05 232
我感觉这个真是没有什么好讲的, 这个是比较简单的, 感觉没有什么必要写一篇博客, 而且这个这么简单的排序问题肯定有人已经有写好的帖子了, 肯定写的比我好, 所以我推荐大家直接去看“左程云”老师的讲解就很好了, 一定是能看懂的, 要是用文字形式再写一遍, 反而有点画蛇添足了. 这里就将三个排序的代码写上.这三个排序算法中唯一需要注意的是：插入排序, 这个在小数据量的时候排序的速度是非常快的, 一般认为数组长度在10 ~ 50之间, 插入排序的效率是非常快的. 后续学习的Tim都有插入排序的参与.Tim。
算法讲解—最小生成树（Kruskal 算法）
ZH_qaq的博客
10-05 819
根据度娘的解释我们可以知道，最小生成树(Minimum Spanning Tree, MST)就是：一个有n个结点的连通图的生成树是原图的极小连通子图，且包含原图中的所有n个结点，并且有保持图连通的最少的边。简单点来说就是求最小的连通图，就是从一个点能到达图的任意一点，且花费的代价最小（所有边的权值最小）。最小生成树问题通常用于网络设计、电路设计等领域，目的是找到连接所有节点的最低成本方式。常见的算法有克鲁斯卡尔算法（Kruskal）和普里姆算法（Prim）等。
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

打赏作者

3Ｄ视觉工坊

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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