A real-time approach for mapping all human pixels of 2D RGB images to a 3D surface-based model of the body
密集的人体姿势估计旨在将RGB图像的所有人像素映射到人体的3D表面。 DensePose-RCNN在Detectron框架中实现,由Caffe2提供支持。
![7b492c2cb076f22154792a8a6dc3ace6.gif](https://img-blog.csdnimg.cn/img_convert/7b492c2cb076f22154792a8a6dc3ace6.gif)
在此存储库中,我们提供了用于训练和评估DensePose-RCNN的代码。 我们还提供笔记本来可视化收集的DensePose-COCO数据集并显示与SMPL模型的对应关系。
Visualization of DensePose-COCO annotations:
![32218f408afd12e6dfde37ece513ecd1.png](https://img-blog.csdnimg.cn/img_convert/32218f408afd12e6dfde37ece513ecd1.png)
DensePose-COCO in 3D:
![c26cc8b5b15bad7658ee40191b4b9a36.png](https://img-blog.csdnimg.cn/img_convert/c26cc8b5b15bad7658ee40191b4b9a36.png)