学习在三维场景中恢复人体网格
群论
2024-09-04 v4 动力系统
摘要
我们提出了一种给定单张图像在预扫描场景中恢复人体绝对姿态与形状的新方法。与以往执行场景感知网格优化的方法不同，我们提议先用稀疏3D CNN估计绝对位置与密集场景接触，随后通过与被导出的3D场景线索进行交叉注意力来增强预训练的人体网格恢复网络。在图像与场景几何上的联合学习使我们的方法能够减少由深度与遮挡引起的歧义，从而得到更合理的全局姿态与接触。在网络中编码场景感知线索也使得所提方法无需优化，并为实时应用开辟了可能。实验表明，所提网络能够通过单次前向传播恢复准确且物理合理的网格，并在精度与速度上均优于当前最优（SOTA）方法。
引用
@article{arxiv.2306.03846,
title = {A realisation result for moduli spaces of group actions on the line},
author = {Joaquín Brum and Nicolás Matte Bon and Cristóbal Rivas and Michele Triestino},
journal= {arXiv preprint arXiv:2306.03846},
year = {2024}
}
备注
32 pages; v4: minor corrections and references updated, final version to appear in the Journal of Topology