Deep Fashion3D：用于单图像三维服装重建的数据集与基准
计算机视觉与模式识别
2020-07-07 v2
摘要
高保真服装重建是在人体数字化、虚拟试穿等广泛应用中实现照片级真实感的关键。近期基于学习的方法在从单图像恢复无衣人体形状与姿态方面取得了前所未有的精度，这得益于从大量人体扫描中学习得到的强大统计模型（如 SMPL）的可用性。相比之下，建模与恢复着衣人体及三维服装仍极为困难，主要由于研究界缺乏大规模服装模型。我们提议通过引入 Deep Fashion3D 来填补此空白，这是迄今最大的三维服装模型集合，旨在为基于图像的服装重建系统评估建立新颖的基准与数据集。Deep Fashion3D 包含从真实服装重建的 2078 个模型，涵盖 10 个不同类别与 563 个服装实例。它提供丰富标注，包括 3D 特征线、3D 人体姿态及对应的多视角真实图像。此外，每件服装被随机摆姿以增强真实服装形变的多样性。为展示 Deep Fashion3D 的优势，我们提出一种用于单视角服装重建的新基线方法，其利用了网格与隐式表示的优点。提出一种新颖的可适配模板，以在单一网络中实现所有类型服装的学习。在所提数据集上进行了大量实验以验证其重要性与实用性。我们将在发表后公开 Deep Fashion3D。
引用
@article{arxiv.2003.12753,
title = {Deep Fashion3D: A Dataset and Benchmark for 3D Garment Reconstruction from Single Images},
author = {Heming Zhu and Yu Cao and Hang Jin and Weikai Chen and Dong Du and Zhangye Wang and Shuguang Cui and Xiaoguang Han},
journal= {arXiv preprint arXiv:2003.12753},
year = {2020}
}
备注
23 pages, 9 figures. For project page, see https://kv2000.github.io/2020/03/25/deepFashion3DRevisited/