基于先验引导的全身人体网格恢复
计算机视觉与模式识别
2026-05-12 v1
摘要
来自单目头部戴戴镜头的以自我为中心的人体网格恢复 (HMR) 正日益重要于 AR/VR 应用中，但由于缺乏基于参数化人体模型（如 SMPL 和 SMPL-X）的可靠真实图像ground-truth 注释，该任务仍具有挑战性。现有的自我为中心 HMR 方法通常依赖伪GT并专注于身体姿态估计，这限制了其恢复细粒度全身细节（如手部和面部）的能力。我们研究了自我为中心的全身人体网格恢复，提出了一种先验引导学习框架，用于从单张自我为中心图像重建全身网格。我们构建更准确的优化基于伪GT，符合 3D 关节监督，并通过适应 exocentric HMR 基础模型和基于扩散的姿态先验来利用多个先验。进一步采用确定性无畸变模块来处理自我为中心图像中的鱼眼畸变。跨多个自我为中心基准的实验表明，我们的方法在全身重建方面优于最先进的方法，显示我们基于优化的伪GT 在准确性上显著优于现有的基于回归的伪GT。为促进可重复性，我们的代码和数据集注释已公开于 https://github.com/naso06/EgoSMPLX。
引用
@article{arxiv.2605.08606,
title = {Egocentric Whole-Body Human Mesh Recovery with Prior-Guided Learning},
author = {Soyeon Na and Seung Young Noh and Ju Yong Chang},
journal= {arXiv preprint arXiv:2605.08606},
year = {2026}
}
备注
Accepted to ICIP 2026. This is the author-formatted version of the paper