HumanMeshNet：人体多边形网格重建
计算机视觉与模式识别
2019-08-20 v1
摘要
从单目图像进行三维人体重建是计算机视觉中的重要问题，在虚拟现实与增强现实平台、动画产业、电子商务领域等中有应用。尽管现有若干工作将其表述为基于网格重投影的复杂且间接依赖的体积式或参数化学习，我们倾向于聚焦于隐式学习网格表示。为此，我们提出一种新颖模型 HumanMeshNet，其在多分支、多任务设置中回归模板网格的顶点，并接收来自三维骨骼位置的正则化。图像到网格顶点的回归进一步受网格拓扑所施加的邻域约束正则化，以确保平滑表面重建。所提出的范式在理论上可学习由体型变化引起的局部表面形变，因此今后可学习高分辨率网格。我们在三个公开数据集上以低得多的计算复杂性、建模成本展现出与 SoA（在表面与关节误差方面）相当的性能，从而实现实时重建。我们还展示了该范式在预测手部网格模型这一相似任务上的泛化能力。鉴于这些初步结果，我们今后将有意识地显式利用网格拓扑。
引用
@article{arxiv.1908.06544,
title = {HumanMeshNet: Polygonal Mesh Recovery of Humans},
author = {Abbhinav Venkat and Chaitanya Patel and Yudhik Agrawal and Avinash Sharma},
journal= {arXiv preprint arXiv:1908.06544},
year = {2019}
}
备注
to appear in ICCV-W, 2019. Project: https://github.com/yudhik11/HumanMeshNet