深入探究DeepCap
计算机视觉与模式识别
2021-11-23 v1
摘要
人体性能捕捉是极具重要性的计算机视觉问题，在电影制作与虚拟/增强现实中多有应用。许多既往性能捕捉方法要么需要昂贵的多视角装置，要么无法恢复具有帧间对应关系的稠密时空一致几何。我们提出一种用于单目稠密人体性能捕捉的新型深度学习方法。我们的方法以弱监督方式基于多视角监督训练，完全免去对带3D真值标注训练数据的需求。网络架构基于两个分离的网络，将任务解耦为姿态估计与非刚性表面形变步骤。广泛的定性与定量评估表明，我们的方法在质量与鲁棒性上优于当前最优。本工作是DeepCap的扩展版本，我们提供了更详尽的解释、比较与结果以及应用。
引用
@article{arxiv.2111.10563,
title = {A Deeper Look into DeepCap},
author = {Marc Habermann and Weipeng Xu and Michael Zollhoefer and Gerard Pons-Moll and Christian Theobalt},
journal= {arXiv preprint arXiv:2111.10563},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:2003.08325