基于 Kendall 形状空间的从 2D 标志点估计 3D 形状的方法
计算机视觉与模式识别
2022-07-27 v1 微分几何
应用统计
摘要
3D 形状比 2D 图像提供丰富得多的信息。然而，与获取 2D 图像相比，获取 3D 形状有时非常困难甚至不可能，这使得有必要从 2D 图像推导 3D 形状。尽管这通常是一个数学上不适定的问题，但通过使用先验信息约束问题表述，或许可加以解决。在此，我们提出一种基于 Kendall 形状空间的新方法，从单目 2D 图像重建 3D 形状。该工作受一项应用启发：研究姥鲨（一种濒危物种）的摄食行为，其巨大体型和强流动性使得 3D 形状数据几乎无法获取，阻碍了对其摄食行为和生态的理解。然而，这些动物处于摄食姿态的 2D 图像很容易获得。我们在人体棍状模型与鲨鱼头骨上，将我们的方法与最先进的基于形状的方法进行比较。使用一小部分训练形状，我们表明 Kendall 形状空间方法比先前方法显著更鲁棒，并得出合理的形状。这对于作为动机的应用至关重要，其中标本稀少，因此仅有少量训练形状可用。
引用
@article{arxiv.2207.12687,
title = {A Kendall Shape Space Approach to 3D Shape Estimation from 2D Landmarks},
author = {Martha Paskin and Daniel Baum and Mason N. Dean and Christoph von Tycowicz},
journal= {arXiv preprint arXiv:2207.12687},
year = {2022}
}
备注
to appear in European Conference on Computer Vision 2022