HumanReg: 人体点云的自监督非刚性配准
计算机视觉与模式识别
2024-02-07 v2
摘要
在本文中,我们提出了一种新颖的配准框架 HumanReg,该框架能够端到端地学习两个人体点云之间的非刚性变换。我们将人体先验引入配准过程,以高效处理此类点云。与大多数需要昂贵的逐点流标注的现有监督配准技术不同,HumanReg 受益于一组新颖的损失函数,可以以自监督的方式进行训练。为了使我们的模型在真实世界数据上更好地收敛,我们还提出了一种预训练策略,以及一个由动态、稀疏的人体点云及其自动生成的真值标注组成的合成数据集 (HumanSyn4D)。我们的实验表明,HumanReg 在 CAPE-512 数据集上取得了 SOTA 性能,并在另一个更具挑战性的真实世界数据集上获得了定性结果。此外,我们的消融研究证明了我们合成数据集和新颖损失函数的有效性。我们的代码和合成数据集可在 https://github.com/chenyifanthu/HumanReg 获取。
引用
@article{arxiv.2312.05462,
title = {HumanReg: Self-supervised Non-rigid Registration of Human Point Cloud},
author = {Yifan Chen and Zhiyu Pan and Zhicheng Zhong and Wenxuan Guo and Jianjiang Feng and Jie Zhou},
journal= {arXiv preprint arXiv:2312.05462},
year = {2024}
}