DeepHuman：从单张图像进行三维人体重建
计算机视觉与模式识别
2019-03-29 v2
摘要
我们提出 DeepHuman，一种图像引导的体到体翻译 CNN，用于从单张 RGB 图像进行三维人体重建。为减少与表面几何重建相关的歧义，即便对于不可见区域的重建，我们提出并利用由 SMPL 模型生成的稠密语义表示作为额外输入。我们网络的一个关键特征是通过体特征变换将不同尺度的图像特征融合到三维空间中，这有助于恢复准确的表面几何。可见表面细节通过法线细化网络进一步精炼，该网络可利用我们提出的体法线投影层与体生成网络拼接。我们还贡献了 THuman，一个包含约 7000 个模型的真实世界三维人体模型数据集。网络使用该数据集生成的训练数据进行训练。总体而言，得益于我们网络的特定设计与数据集的多样性，我们的方法仅需单张图像即可实现三维人体模型估计，并优于当前最优方法。
引用
@article{arxiv.1903.06473,
title = {DeepHuman: 3D Human Reconstruction from a Single Image},
author = {Zerong Zheng and Tao Yu and Yixuan Wei and Qionghai Dai and Yebin Liu},
journal= {arXiv preprint arXiv:1903.06473},
year = {2019}
}