“photo wake-up”创新项目实训第二周总结

2019年3月29号

设定今周工作目标

上周我们已经可以从输出的一个二维图片输出人体的14个关节点，下一步就是研究Convolutional pose machines的输出是什么，怎么把这些输出设配到一个三维模型中。

首先我们开始研究2016年的一篇论文 keep it SMPL
（F. Bogo, A. Kanazawa, C. Lassner, P. Gehler, J. Romero, andM.J.Black. KeepitSMPL:Automaticestimationof3D human pose and shape from a single image. In Computer Vision – ECCV 2016, Lecture Notes in Computer Science. Springer International Publishing, Oct. 2016）

SMPL模型：

论文地址 http://files.is.tue.mpg.de/black/papers/SMPL2015.pdf

SMPL模型是一种参数化人体模型，是马普所提出的一种人体建模方法，该方法可以进行任意的人体建模和动画驱动。这种方法与传统的LBS的最大的不同在于其提出的人体姿态影像体表形貌的方法，这种方法可以模拟人的肌肉在肢体运动过程中的凸起和凹陷。因此可以避免人体在运动过程中的表面失真，可以精准的刻画人的肌肉拉伸以及收缩运动的形貌。如下面这种情况