分层运动学人体网格恢复

我们考虑从单幅图像估计三维人体网格参数化模型的问题。尽管该领域近期通过直接回归模型参数取得了实质性进展，这些方法仅隐式利用了人体运动学结构，导致对模型先验的次优使用。在本工作中，我们通过提出一种新的人体参数化模型回归技术来解决这一差距，该技术显式地以已知的层次结构（包括模型的关节相互依赖关系）为条件。这导致了回归器架构的强先验知情设计，以及一种灵活可与当前三维人体网格恢复标准框架结合使用的关联分层优化。我们通过标准基准数据集上的大量实验展示了这些方面，表明我们提出的新设计优于若干现有流行方法，建立了新的最先进（state-of-the-art）结果。通过考虑关节相互依赖，我们的方法能够在数据损坏下推断关节，我们通过在不同程度遮挡下的实验进行了证明。