DenseBody：从单张彩色图像直接回归稠密三维人体姿态与形状
计算机视觉与模式识别
2019-03-29 v3
摘要
从二维图像恢复三维人体形状与姿态是一项具有挑战性的任务，原因在于人体具有高复杂度与灵活性，且三维标注数据相对较少。以往解决这些问题的方法通常依赖于预测中间结果，如身体部位分割、二维/三维关节、轮廓掩码，以将问题分解为多个子任务从而利用更多二维标签。大多数已有工作在其方法中引入参数化身体形状模型，并在低维空间中预测参数来表示人体。本文中，我们提出使用卷积神经网络（CNN）从单张彩色图像直接回归三维人体网格。我们采用一种高效的三维人体形状与姿态表示，其可通过编码器-解码器神经网络进行预测。所提方法在包括 Human3.6M、SURREAL 和 UP-3D 在内的多个三维人体数据集上取得了最先进的性能，且运行速度更快。
引用
@article{arxiv.1903.10153,
title = {DenseBody: Directly Regressing Dense 3D Human Pose and Shape From a Single Color Image},
author = {Pengfei Yao and Zheng Fang and Fan Wu and Yao Feng and Jiwei Li},
journal= {arXiv preprint arXiv:1903.10153},
year = {2019}
}
备注
10 pages, 6 figures