BodyNet：三维人体形状的体积推断
计算机视觉与模式识别
2018-08-21 v3
摘要
人体形状估计是视频编辑、动画与时尚行业的一项重要任务。然而，由于人体、服装与视点的变化等因素，从自然图像预测三维人体形状极具挑战性。解决该问题的先前方法通常尝试用关于姿态与形状的某些先验来拟合参数化人体模型。在本文中，我们主张一种替代表示，并提出 BodyNet，一种用于从单张图像直接推断体积化身体形状的网络。BodyNet 是一个端到端可训练网络，受益于 (i) 体积化三维损失，(ii) 多视角重投影损失，以及 (iii) 对二维姿态、二维身体部位分割与三维姿态的中间监督。如我们的实验所证明，它们各自带来了性能提升。为评估该方法，我们将 SMPL 模型拟合到我们的网络输出，并在 SURREAL 与 Unite the People 数据集上展示了超越近期方法的先进结果。除达到最先进性能外，我们的方法还实现了体积化身体部位分割。
引用
@article{arxiv.1804.04875,
title = {BodyNet: Volumetric Inference of 3D Human Body Shapes},
author = {Gül Varol and Duygu Ceylan and Bryan Russell and Jimei Yang and Ersin Yumer and Ivan Laptev and Cordelia Schmid},
journal= {arXiv preprint arXiv:1804.04875},
year = {2018}
}
备注
Appears in: European Conference on Computer Vision 2018 (ECCV 2018). 27 pages