【论文简介】关于深度学习下的人体姿态三维重建（1）

最新推荐文章于 2024-08-10 08:20:46 发布
最新推荐文章于 2024-08-10 08:20:46 发布
阅读量6k 收藏 27
点赞数 2
分类专栏： 论文简介 文章标签： 深度学习 人体姿态估计 三维重建
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44599751/article/details/88877811
版权
本文介绍了cvpr2018的论文《End-to-end Recovery of Human Shape and Pose》，该论文提出了一种端到端的深度学习方法，直接从RGB图像重建人体3D网格，无需依赖2D关键点检测。通过对抗学习，结合未配对的2D关键点和3D人体网格数据集，实现从图像像素到3D模型的直接学习。实验表明，即使在仅使用弱监督的情况下，该方法也能获得良好效果。
摘要由CSDN通过智能技术生成

文献

论文的调研

去年的半个学期基本是在学习一些传统方法下的点云配准重建kinect深度图等等等，新年伊始，开始新的研究方向，利用深度学习去做人体的三维重建，近来调研~

1.End-to-end Recovery of Human Shape and Pose

这是一篇cvpr2018的文章，下载地址：https://arxiv.org/pdf/1712.06584.pdf

  • HMR(human mesh recovery) ，文章采用了端到端的人体姿态和形态的对抗学习网络；
  • 实现了从single RGB image到full 3D mesh of human body的学习
  • HMR不需要成对的2D-to-3D监督信息，不需要借助中间的2D keypoint deection，而是直接从pixel到mesh；
  • 给定人的bounding box的情况下，可以做到实时；
  • 整体效果图如下：
    上面两行是用2D-3D监督信息训练的，下面一行是用完全弱监督的方式训练的，没有2D-3D的监督信息
    主要内容

bac

最低0.47元/天 解锁文章
weixin_44599751
关注
专栏目录
CVPR2023：IDEA与清华提出首个一阶段3D全身人体网格重建算法，代码开源！
jacke121的专栏
04-10 3404
CVPR2023：IDEA与清华提出首个一阶段3D全身人体网格重建算法，代码开源！
深度学习单图三维人脸重建
qq_41166909的博客
07-21 527
基于图像的人脸三维重建在人脸分析与娱乐领域里有巨大的应用场景，本文来介绍初学深度学习单张图像人脸三维重建必须要读的文章。
基于深度学习的三维人体姿态估计
admin11111111的博客
07-04 4305
目录 ​​​​​一、技术背景 1.1 人体姿态估计 1.2三维人体重建 1.4构建多人场景研究情况 二. 技术方法 2.1基础架构 2.2重叠loss 2.3深度顺序感知loss 四．存在的问题与未来研究热点 4.1 本实验方法存在的问题 4.2 未来研究热点 参考文献： ​​​​​一、技术背景 1.1 人体姿态估计 人体姿态估计（human pose estimation, HPE）已经发展了几十年，一直围绕着从传感器的输入来构建人体姿态。在摄影领域...
基于深度学习人体三维模型重建的人体参数识别.pdf
08-18
基于深度学习人体三维模型重建的人体参数识别.pdf
3D重建深度学习方法开源项目教程
最新发布
gitblog_00194的博客
08-10 380
3D重建深度学习方法开源项目教程 3D-Reconstruction-with-Deep-Learning-MethodsList of projects for 3d reconstruction项目地址:https://gitcode.com/gh_mirrors/3d/3D-Reconstruction-with-Deep-Learning-Methods 项目介绍 本项目名为“3D重建深...
End-to-end recovery of human shape and pose阅读笔记
qq_42167293的博客
09-17 6199
本文讲了如何从单张RGB图片重建人体的mesh，这个方法为Human Mesh Recovery（HMR）。 关于从图片或视频重建人体的meshes可以分为两类方法：两阶段法，直接估计法。 两阶段法： 1）用2Dpose检测，预测2D关节位置 2）通过回归分析和model fitting从2D关节去预测3D关节，其公共方法是利用一个学习的3D骨架库。 这些方法为了约束2D-to-3D的固有歧义，...
Python-pytorch版的EndtoendRecoveryofHumanShapeandPose
08-11
pytorch 版的 "End-to-end Recovery of Human Shape and Pose"
(3D-HPE)End-to-end Recovery of Human Shape and Pose
qq_17721239的博客
11-06 1367
End-to-end Recovery of Human Shape and Pose (CVPR2018) 参考：https://blog.csdn.net/sinat_28699719/article/details/93596169 参考：https://zhuanlan.zhihu.com/p/256358005 1、文章提出了一个端到端的方法从二维图像恢复三维人体模型的框架。 2、现有的一些从单张图片恢复人体3D网格的方法专注于恢复人体3D关键点的坐标位置，然而这样做有如下不足之处： 关
三维重建经典论文集
01-10
在三维重建领域，这篇论文集提供了深入理解和实践的关键资源，主要涵盖了尺度不变特征、多视角深度估计以及Structure-from-Motion等核心概念。这些主题在现代计算机视觉和人工智能中扮演着重要角色，尤其对于构建...
三维重建之人体重建PIFU，PIFuHD
panxiying1993的博客
11-30 1828
摘要：主要跑一下从一张图片生成Mesh模型的源码，怎么对图片进行预处理等
hmr:人体形状和姿势的端到端恢复的项目页面
04-11
人体形状和姿势的端到端恢复 金泽Angjoo，Michael J.Black，David W.Jacobs，Jitendra Malik CVPR 2018 要求 Python 2.7 在版本1.3上进行了测试，演示仅在TF 1.12上运行 安装 使用virtualenvLinux设置 virtualenv venv_hmr source venv_hmr/bin/activate pip install -U pip deactivate source venv_hmr/bin/activate pip install -r requirements.txt 安装TensorFlow 使用GPU： pip install tensorflow-gpu==1.3.0 没有GPU： pip install tensorflow==1.3.0 Windows安装程序，带有python
HMR论文翻译
10-30
CVPR2018的论文翻译。学习计算机视觉的同学需要看论文的可以下载学习，共同进步啊
深度学习三维重建 笔记总结 问题总结 MVSNet系列最新顶刊 对比总结 （近20篇）
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
09-03 576
MVSNet(CVPR-2018)，RMVSNet(CVPR2019)，PointMVSNet(ICCV2019),P-MVSNet(ICCV2019)，MVSCRF(ICCV2019)，Cascade(CVPR2020),CVP-MVSNet(CVPR2020)，Fast-MVSNet(CVPR2020)，UCSNet(CVPR2020),CIDER(AAAI2020)，PVAMVSNet(ECCV2020)，D2HC-RMVSNet(ECCV2020)，Vis-MVSNet（BMVC 2020），AA-
End to end recovery of human shape and pose
寂寞的小乞丐
06-23 313
目录End to end recovery of human shape and pose一. 论文简介二. 模块详解2.1 Mesh supervised weakly2.2 Iteration regression2.3 Discriminator2.4 projection三. 缺点End to end recovery of human shape and pose 一. 论文简介 从...
End-to-end recovery of Human shape and Pose
Suqiaoyi的博客
08-24 294
综述 实现方法： 一张RGB图像，得出3D人体网格模型 2D关键点没有内部的， 模型是实时的，使用一个包围盒包含每个人。 作者认为，不恢复关节点，而是选择人体网格模型是因为，关节点坐标无法包含关节点的所有自由度，这意味着对于所有的姿态信息是无法获取的。 我们输出的旋转矩阵按照运动树的格式，不活的信息包括3D头部和肢体的自旋信息。 预测旋转同样确保了肢体的对称性以及有效长度，我们的模型从3D模型集合中学习了关节角度限制。 当今恢复3D姿态的方法，都通常是先确定2D关节点坐标的位置，然后估计3D模型参数；我们提
End-to-end Recovery of Human Shape and Pose
十年磨一剑
11-06 549
公式(1) LreprojL_{reproj}Lreproj​joint投影到2D的误差 L3DL_{3D}L3D​ joint和smpl的regression LadvL_{adv}Ladv​ adversary train
end to end recovery of human shape and pose [hmr2.0 论文复现踩坑]
qq_45257495的博客
07-23 985
end to end recovery of human shape and pose
《End-to-end Recovery of Human Shape and Pose》论文笔记
sinat_28699719的博客
06-25 2257
文章提出了一个端到端的方法从二维图像恢复三维人体模型的框架。 现有的一些从单张图片恢复人体3D网格的方法专注于恢复人体3D关键点的坐标位置，然而这样做有如下不足之处： 关键点是稀疏离散的，但是人体在3D空间的表示是密集连续的。 3D关键点的单独表示并不能约束每个关键点之间的关系，仅仅通过关键点并不能很好的预测人体姿势与体型。 针对上述问题，作者提出了他们的方法： 以kinematic tre...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值