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: