从相机到世界：人类网格变换的即插即用模块
计算机视觉与模式识别
2025-12-18 v1
摘要
从野生图像重建准确的 3D 人类网格仍具有挑战性，由于缺乏相机旋转信息。虽然现有方法通过假设相机旋转为零在相机坐标系中取得令人瞩目的成果，但这种简化当将重建网格转换到世界坐标系时会导致显著误差。为此，我们提出 Mesh-Plug，一个即插即用模块，准确地将人类网格从相机坐标变换到世界坐标。我们的关键创新在于一种以人类为中心的方法，利用 RGB 图像和初始网格渲染的深度图来估计相机旋转参数，从而消除对环境线索的依赖。具体而言，我们首先训练一个聚焦于人类身体空间配置的相机旋转预测模块，以估计相机俯仰角。随后，通过将预测的相机参数与初始网格集成，我们设计了一个同时精炼根关节姿态和身体姿态的网格调整模块。广泛的实验表明，我们的框架在 SPEC-SYN 和 SPEC-MTP 数据集上优于最先进的方法。
引用
@article{arxiv.2512.15212,
title = {From Camera to World: A Plug-and-Play Module for Human Mesh Transformation},
author = {Changhai Ma and Ziyu Wu and Yunkang Zhang and Qijun Ying and Boyan Liu and Xiaohui Cai},
journal= {arXiv preprint arXiv:2512.15212},
year = {2025}
}