基于深度分层神经网络的解耦人体嵌入
计算机视觉与模式识别
2020-04-20 v2 图形学
机器学习
摘要
人体对于不同身份或姿态呈现出多种形状，但身体形状在结构上具有某些相似性，因此可嵌入到低维空间中。本文提出一种类自编码器的网络架构，专门学习针对三维人体的解耦形状与姿态嵌入。这受到近期基于形变的潜表示学习的启发。为提高重建精度，我们提出一种用于解耦过程的层次化重建流程，并构建了一个具有一致连通性的大模型数据集以用于神经网络的学习。我们所学习的嵌入不仅能达到优越的重建精度，还能通过插值、双线性插值与潜空间采样在三维人体生成中提供极大的灵活性。大量实验的结果展示了我们所学习的三维人体嵌入在各种应用中的强大能力。
引用
@article{arxiv.1905.05622,
title = {Disentangled Human Body Embedding Based on Deep Hierarchical Neural Network},
author = {Boyi Jiang and Juyong Zhang and Jianfei Cai and Jianmin Zheng},
journal= {arXiv preprint arXiv:1905.05622},
year = {2020}
}
备注
This manuscript is accepted for publication in the IEEE Transactions on Visualization and Computer Graphics Journal (IEEE TVCG). The Code is available at https://github.com/Juyong/DHNN_BodyRepresentation