DCHM：用于多视角检测的深度一致人体建模
计算机视觉与模式识别
2025-07-22 v1
摘要
多视角行人检测通常涉及两个阶段：人体建模和行人定位。人体建模通过融合多视角信息在三维空间中表示行人，其质量直接影响检测精度。然而，现有方法常引入噪声且精度较低。虽然一些方法通过拟合昂贵的多视角 3D 标注来减少噪声，但往往难以在 diverse 场景中泛化。为消除对人工标注的依赖并准确建模人体，我们提出了深度一致人体建模（DCHM），一个旨在全局坐标下实现深度估计和多视角融合的框架。具体而言，我们提出的管道以超像素级高斯溶射实现稀疏视角、大规模和拥挤场景下的深度一致性，为行人定位产生精确的点云。广泛的验证表明，我们的方法显著减少了人体建模过程中的噪声，超越了以前的 SOTA baseline。此外，据我们所知，DCHM 是首次在此具有挑战性的设置中重建行人并执行多视角分割。代码已在 \href{https://jiahao-ma.github.io/DCHM/}{project page} 上提供。
引用
@article{arxiv.2507.14505,
title = {DCHM: Depth-Consistent Human Modeling for Multiview Detection},
author = {Jiahao Ma and Tianyu Wang and Miaomiao Liu and David Ahmedt-Aristizabal and Chuong Nguyen},
journal= {arXiv preprint arXiv:2507.14505},
year = {2025}
}
备注
multi-view detection, sparse-view reconstruction