人体3D重建-ICON论文解读

论文: 《ICON : Implicit Clothed humans Obtained from Normals》
github: https://github.com/yuliangxiu/icon

创新点

现有方法需要3D扫描或者具有精心控制的2D图像进行3D重建，作者提出ICON，可通过不受约束的2D图像建模，结合所有建模结果生成动画；
现有方法对各种姿势人体3D建模不够鲁棒，由于使用全局特征进行编码，对全局姿势比较敏感；为解决这个问题，ICON使用局部特征。
在AGORA和CAPE数据集上，即使训练数据有限，ICON获得SOTA，而且在非同分步数据集上也比较鲁棒。

算法

mesh-based方法具有很好的正则化，而深层隐式函数具有更强的表现力；ICON将两者结合。ICON输入穿衣的人体RGB图及SMPL人体估计，输出穿衣的像素级3D重构结果；

ICON结构如图3，主要包括两个模块：Body-guided normal预测、基于局部特征隐式三维重建。

Body-guided normal prediction

Body-guided normal预测流程：
1、使用PyMAF从图像$I$估计SMPL mesh, $M(\beta ,\theta )\in R^{N\times 3}$；
2、使用PyTorch3D中可微渲染器DR，从前后两面渲染M得到SMPL-body normal N b = { N f r o n t b , N b a c k b } N^b=\{N^b_{front}, N^b_{back}\} Nb={Nfrontb​,Nbackb​}，如式1；
3、将$N^b$与原图$I$ concat后，通过网络 G N = { G f r o n t N , G b a c k N } G^N=\{G^N_{front}, G^N_{back}\} GN={GfrontN​,GbackN​}得到预测clothed-body normal maps， N ^ c = { N ^ f r o n t c , N ^ b a c k c } \hat N^c=\{\hat N^c_{front}, \hat N^c_{back}\} N^c={N^frontc​,N^backc​}，如式2；

4、训练$G^N$的损失函数如式3，

其中， L p i x e l = ∣ N v c − N ^ v c ∣ , v = { f r o n t , b a c k } , L V G G L_{pixel}=|N^c_v - \hat N^c_v|,v=\{front,back\},L_{VGG} Lpixel​=∣Nvc​−N^vc​∣,v={front,back},LVGG​为感知损失，有助于恢复细节。
精细化SMPL
准确的SMPL body有助于生成质量更佳的clothed-body normals，但是实际中不会生成像素级对齐的SMPL fit；因此，在推理时，SMPL fit依靠SMPL-body normal maps $N^b$和预测的clothed-body normal maps $N^c$之间的差异进行优化，如图4；

SMPL的参数优化损失函数如式4、5

其中，$L_{N_{\_diff}}$为normal map的L1损失，$L_{S_{\_diff}}$为SMPL body normal-map轮廓$S^b$与人体mask ${\hat{S}}^c$之间L1损失。
ICON在推理时，交替进行a.使用预测的clothed-body normal ${\hat{N}}^c$优化SMPL mesh；b.使用精细化SMPL mesh预测${\hat{N}}^c$;

Local-feature based implicit 3D reconstruction

给定预测的clothed-body normal maps ${\hat{N}}^c$及SMPL-body mesh $M$，基于局部特征$F_P$回归3D surface，$F_P$如式6，

其中，$F_s$为point P到最近body point $P^b\in M$的有符号距离；$F_n^b$为$P^b$的barycentric surface normal；$F_n^c$为从 N ^ c = { N ^ f r o n t c , N ^ b a c k c } \hat N^c=\{\hat N^c_{front}, \hat N^c_{back}\} N^c={N^frontc​,N^backc​}提取的normal向量；
$F_P$经过隐函数$IF(MLP网络)$，估计点P的occupancy $\hat{o}(P)$，通过MSE损失训练$IF$；

实验

评估方式

作者使用三种评估方式：
Chamfer距离： 计算真值scan与重构mesh之间距离；这种评该评估方法捕获了较大的几何差异，但遗漏了较小的几何细节。

P2S距离： CAPE数据集scan包含大的空洞，为了排除孔洞影响，我们记录scan点到最近重构表面点之间距离，为Chamfer距离的单向版本；
Normal difference: 表示使用重构的及真值surface分别进行渲染normal图片，计算两者之间L2距离，用于捕获高频几何细节误差。

实验结果

实验结果如表2，

实验结果表明：
1、如表2-A，ICON超过所有原始SOTA方法，ICON泛化性强，；
2、如表2-B，没有SMPL-X-body引导，误差变大，使用body引导，可有效改善遮挡部位重建，如图5.

3、表2-C，作者评估局部特征$F_P$的重要性，作者将局部特征$F_P$替换为使用2D卷积提取全局特征，应用于image及clothed-body normal map及仅应用于clothed-body normal maps，结果表明在非同分布数据集CAPE-NFP上，重建表现比较差。
如图6，作者对不同方法使用不同量级数据进行训练，结果表明，ICON始终优于其他方法，同时仅使用少量数据即可达到SOTA性能，作何归因于使用局部特征，使得泛化性增强.

4、表2-D，SMPL-X从图像估计结果可能无法于图中身体像素点完全对齐。ICON需要对SMPL-X shape及pose不同噪声级别都比较鲁棒，ICON+BR使用噪声性能与PaMIR*使用真值性能相当。

应用

动画生成。
作者将视频帧进行3D重建，重建结果输入SCANimate，得到动画输出，如图8b。

结论

作者提出的ICON可以从图片鲁棒地生成3D clothed-body person，其准确性和真实性超越了现有方法。这有两个关键：
1、使用3D body model，同时迭代优化body model；
2、使用局部特征消除与全局姿态相关性；
问题：
如图7，对于宽松衣服重建效果不佳，因为body是在正交视角下训练的，无法产生透视效果，因此产生不对称的四肢或解剖学上不可能的形状。