论文学习笔记：《DenseBody: Directly Regressing Dense 3D Human Pose and Shape From a Single Color Image》

目标：

从单张彩色图像直接回归出3D人体的姿态和形状。

——————————————————————————————————————

亮点：

之前的工作都是先根据图像生成中间结果（比如人体分割、2D/3D关节点、轮廓… ），再通过网络得到shape和pose。
这篇文章用CNN直接从单张图回归出了3D人体网格。

——————————————————————————————————————

相关工作：

1、3D人体姿态估计：
3D人体姿态估计问题通常被简化为估计3D关节点的位置。

由于带标签的3D pose数据很少，所以一般利用2D关节点的位置去估计3D关节点位置。最近人们直接用CNN从单张图估计3D关节点位置。由于图像的深度模糊，很难确定四肢是向前弯曲还是向后弯曲。为了解决这个问题，许多人试图引入先验或几何约束。

在这本文中，我们着重于预测人体的整个表面几何结构，而不是三维关节位置。

2、人体姿态和形状的估计：
之前的工作多数都是依赖于参数化人体模型（SMPL、SCAPE）去表示3D人体、估计模型的参数。
本文直接预测3D人体的形状和姿势，不依赖任何参数化的身体模型和中间的2D表示。

3、3D物体的表示：
本文：UV map

——————————————————————————————————————

提出的方法：

1、3D 人体表示：