人体模型若干灵感及想法

关于工作的灵感及想法

一. 姿态估计的相关灵感

1. PoseCNN

3D视觉系列：PoseCNN
https://blog.csdn.net/nwu_NBL/article/details/83176353

2. Learning 3D Human Dynamics from Video

从视频中学习smpl模型参数，并可以用于单幅图像生成当前及前后帧预测模型
https://github.com/akanazawa/human_dynamics

二. 人体模型相关想法及灵感

1. SMPL

SMPL采用姿势与体型训练相分离的方法，用两个数据集求解参数空间。

姿势：事先对FAUST数据集中每个人求解出静止模板和关节位置，对每个扫描（每个人有多个扫描）求解出姿势参数，列出目标函数，将变换模型拟合到数据集扫描中，最小化顶点误差，并采用交替优化的方法求解多个参数。

体型：在对数据集姿态归一化处理后，采用PCA算法得到前十个主成分，同时得到模板

2. 线框人体模型

论文：Parametric design for human body modeling by wireframe-assisted deep learning

1.通过DNN深度网络强大的非线性表达能力将基于语义的参