Geo-PIFu：用于单视角人体重建的几何与像素对齐隐式函数
计算机视觉与模式识别
2020-12-08 v2 图形学
机器学习
摘要
我们提出了Geo-PIFu，一种从穿着衣物人物的单目彩色图像中恢复三维网格的方法。我们的方法基于深度隐式函数表示，使用结构感知的三维U-Net学习潜在体素特征，以两种方式约束模型：第一，解决查询点编码中的特征模糊性；第二，作为一个粗略的人体形状代理，以正则化高分辨率网格并鼓励全局形状规则性。我们表明，通过同时编码查询点并使用潜在体素特征约束全局形状，与竞争方法相比，我们获得的穿着衣物人体网格重建表现出更少的形状失真和改善的表面细节。我们在一个近期的人体网格公共数据集上评估了Geo-PIFu，该数据集比PIFu及先前衍生工作中使用的私有商业数据集大10倍。平均而言，我们在Chamfer距离和点到表面距离上比最先进技术减少了42.7%，在法线估计误差上减少了19.4%。
引用
@article{arxiv.2006.08072,
title = {Geo-PIFu: Geometry and Pixel Aligned Implicit Functions for Single-view Human Reconstruction},
author = {Tong He and John Collomosse and Hailin Jin and Stefano Soatto},
journal= {arXiv preprint arXiv:2006.08072},
year = {2020}
}