Monocular Total capture: posing face, body, and hands in the wild

最新推荐文章于 2022-03-09 16:39:12 发布

seamanj

最新推荐文章于 2022-03-09 16:39:12 发布

阅读量582

点赞数

分类专栏： paper

本文链接：https://blog.csdn.net/seamanj/article/details/102511385

版权

paper 专栏收录该内容

106 篇文章 1 订阅

订阅专栏

                    
                    (2)公式算POF, 即关节到关节的单位向量, 跟PAF中2维向量不同, 这里是3维向量
公式(4)中,  
      
           j 
          
           m 
          
           B 
          
         j_m^B 
        
     jmB​是2d image detected keypoints,  
      
          Π 
         
          ( 
         
            J 
           
            ~ 
           
           m 
          
           B 
          
          ( 
         
          θ 
         
          , 
         
          ϕ 
         
          , 
         
          t 
         
          ) 
         
          ) 
         
         \mathbf \Pi(\widetilde{\mathbf J}^B_m(\theta, \phi, t)) 
        
     Π(J 
              
             mB​(θ,ϕ,t))是根据参数建立的3D模型中keypoints投影后的2d坐标
公式(5),3D模型中 关节的3D方向应该与POF里面的方向保持一致
公式(6), prior term
公式(8)和公式(9)和公式(4)原理差不多, 一个是针对tiptoe keypoints, 一个是针对facial keypoints.
公式(10), 保证shape coefficients and facial expression coefficents的稀疏性
公式(12) 提取texture map
公式(13) 算从synthetic image到input image的光流
公式(14) 使模型上的点沿着光流的方向延伸
公式(15) z坐标的一致性

seamanj

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Monocular Total capture: posing face, body, and hands in the wild

(2)公式算POF, 即关节到关节的单位向量, 跟PAF中2维向量不同, 这里是3维向量公式(4)中, jmBj_m^BjmB是2d image detected keypoints, Π(J~mB(θ,ϕ,t))\mathbf \Pi(\widetilde{\mathbf J}^B_m(\theta, \phi, t))Π(JmB(θ,ϕ,t))是根据参数建立的3D模型中keypoint...
复制链接

扫一扫