DensePose 3D：将关节式物体的规范表面映射提升到三维空间
计算机视觉与模式识别
2021-09-02 v1
摘要
我们解决了人类与动物等关节式物体的单目三维重建问题。我们提出了DensePose 3D，一种仅从二维图像标注中以弱监督方式学习此类重建的方法。这与先前使用在大型三维物体扫描数据集上预训练的参数化模型（如SMPL）的可变形重建方法形成鲜明对比。由于不需要三维扫描，DensePose 3D可用于学习广泛的关节式类别，如不同动物物种。该方法以端到端方式学习给定类别特定三维模板网格到刚性部件的软划分，以及单目重建网络，该网络预测部件运动使其正确重投影到物体的二维DensePose类表面标注上。物体到部件的分解通过将部件分配表示为Laplace-Beltrami算子的光滑特征函数组合来正则化。我们在人与动物类别上的合成与真实数据中，相比最先进的非刚性运动恢复结构基线展示了显著改进。
引用
@article{arxiv.2109.00033,
title = {DensePose 3D: Lifting Canonical Surface Maps of Articulated Objects to the Third Dimension},
author = {Roman Shapovalov and David Novotny and Benjamin Graham and Patrick Labatut and Andrea Vedaldi},
journal= {arXiv preprint arXiv:2109.00033},
year = {2021}
}
备注
Accepted for ICCV 2021