每个人都是独特的:迈向无偏的人体网格恢复

我们考虑肥胖人体网格恢复问题,即拟合参数化人体网格到肥胖人群图像。尽管肥胖者网格拟合是一个具有重要应用(如医疗健康)的问题,近期网格恢复的诸多进展仅限于非肥胖人群图像。本工作中,我们通过呈现并讨论现有算法的局限性,指出了当前文献中的这一关键空白。接下来,我们提出一个解决该问题的简单基线,其可扩展且能容易地与现有算法结合使用以提升其性能。最后,我们提出一种广义人体网格优化算法,在肥胖者图像以及社区标准基准数据集上均大幅改进现有方法的性能。该技术的一项关键创新是不依赖于昂贵创建的网格参数监督。相反,从广泛且廉价可用的 2D 关键点标注出发,我们的方法自动生成网格参数,这些参数可反过来用于重新训练和微调任何现有的网格估计算法。由此,我们展示我们的方法可作为即插即用模块改进多种当代网格估计方法的性能。我们在包含标准与肥胖者图像的多个数据集上进行了广泛实验,证明了我们所提技术的有效性。