3DPeople：着装人体几何建模
计算机视觉与模式识别
2019-04-10 v1
摘要
近期三维人体形状估计的进展建立在参数化表示之上，此类表示能很好地建模裸体形状，却不适合表示服装几何。本文提出一种建模着装人体并从单张图像预测其几何的方法。我们在问题的三个基本方面做出贡献：新数据集、新颖形状参数化算法，以及用于预测形状的端到端深度生成网络。首先，我们提出 3DPeople，一个大规模合成数据集，包含 80 名受试者执行 70 项活动并穿着多样服装的 250 万张照片级真实感图像。除提供服装与身体的带纹理 3D 网格外，我们还用分割掩码、骨架、深度、法线图和光流对数据集进行标注。所有这些使得 3DPeople 适用于大量任务。随后，我们使用 2D 几何图像表示 3D 形状。为构建这些图像，我们提出一种基于最优质量传输方法的新型球面保面积参数化算法。我们展示该方法改进了现有球面映射——后者倾向于收缩全身模型中的细长部分（如手臂和腿），导致几何图像不完整。最后，我们设计了一个多分辨率深度生成网络，给定着装人体输入图像，以端到端方式预测其几何图像（进而得到着装身体形状）。我们在联合捕捉身体姿态与服装形状方面取得非常有前景的结果，无论合成验证还是真实图像皆然。
引用
@article{arxiv.1904.04571,
title = {3DPeople: Modeling the Geometry of Dressed Humans},
author = {Albert Pumarola and Jordi Sanchez and Gary P. T. Choi and Alberto Sanfeliu and Francesc Moreno-Noguer},
journal= {arXiv preprint arXiv:1904.04571},
year = {2019}
}