“photo wake up”第四周个人工作总结

2019/04/04
上周我们已经把模型跑起来了，得到了一些参数

这些参数初步分析分别是

Cam_t ：三维相机参数
Pose：代表人体整体运动位姿和24个关节相对角度的75个参数
beta：shape个人体高矮胖瘦、头身比等比例的10个参数
f：焦点，二维数据

进一步的阅读论文和查询相关资料我们知道
（相关论文：SMPL: A Skinned Multi-Person Linear Model ）

SMPL模型是一种参数化人体模型，是马普所提出的一种人体建模方法，该方法可以进行任意的人体建模和动画驱动。这种方法与传统的LBS的最大的不同在于其提出的人体姿态影像体表形貌的方法，这种方法可以模拟人的肌肉在肢体运动过程中的凸起和凹陷。因此可以避免人体在运动过程中的表面失真，可以精准的刻画人的肌肉拉伸以及收缩运动的形貌。

该方法中β和θ是其中的输入参数，其中β代表是个人体高矮胖瘦、头身比等比例的10个参数，θ是代表人体整体运动位姿和24个关节相对角度的75个参数。

β参数是ShapeBlendPose参数，可以通过10个增量模板控制人体形状变化： 具体而言：每个参数控制人体形态的变化可以通过动图来刻画：


PoseBlendShape参数是给出肌肉的凸起与凹下去与人体姿态，但是一般都优化算法都不采用poseBlendShape参数，因为PoseBlendShape项的惩罚能量的Landscape不利于非线性优化算法的迭代优化。

通过研究我们理解了smpl模型的参数构造方法，为重建的模型下一步应用做好了知识的铺垫。
下周任务要开始真正研究photo wake up 论文的算法了。

参考博客：：https://blog.csdn.net/chenguowen21/article/details/82793994