EOPose：基于示例的通用姿态对应物体重定位
计算机视觉与模式识别
2025-05-07 v1
摘要
图像中的物体重定位具有广泛的应用，尤其是在电子商务领域，需要快速生成产品图像的多种变体。在这项工作中，我们利用最近在同一类别不同物体图像之间进行无监督关键点对应检测的进展，提出了一个用于通用物体重定位的端到端框架。我们的方法EOPose以一张目标姿态引导图像作为输入，利用其与源物体图像的关键点对应关系，通过一种新颖的三步方法将后者扭曲并重新渲染成目标姿态。与生成式方法不同，我们的方法还能保留物体的细粒度细节，如其确切的颜色、纹理和品牌标记。我们还基于Objaverse数据集准备了一个新的配对物体数据集，用于训练和测试我们的网络。EOPose生成了高质量的重定位输出，这由不同的图像质量指标（PSNR、SSIM和FID）所证实。除了方法和数据集的描述外，本文还包括详细的消融研究和用户研究，以表明所提方法的有效性。
引用
@article{arxiv.2505.03394,
title = {EOPose : Exemplar-based object reposing using Generalized Pose Correspondences},
author = {Sarthak Mehrotra and Rishabh Jain and Mayur Hemani and Balaji Krishnamurthy and Mausoom Sarkar},
journal= {arXiv preprint arXiv:2505.03394},
year = {2025}
}
备注
Accepted in CVPR 2025 AI4CC workshop