imGHUM：三维人体形状与关节姿态的隐式生成模型
计算机视觉与模式识别
2021-08-25 v1 机器学习
摘要
我们提出了imGHUM，这是首个以符号距离函数表示的三维人体形状与关节姿态的整体生成模型。与先前的工作相比，我们将完整的人体隐式地建模为一个函数的零水平集，且不使用显式的模板网格。我们提出了一种新颖的网络架构和学习范式，使得学习一个关于人体姿态、形状和语义的详细隐式生成模型成为可能，其性能可与最先进的基于网格的模型相媲美。我们的模型具有人体模型所需的细节，例如包括手部运动和面部表情的关节姿态、广泛的形状变化，并且可以在任意分辨率和空间位置进行查询。此外，我们的模型附带了空间语义，这使得在不同形状实例之间建立对应关系变得简单直接，从而能够实现使用经典隐式表示难以处理的应用。在大量实验中，我们展示了模型的准确性及其对当前研究问题的适用性。
引用
@article{arxiv.2108.10842,
title = {imGHUM: Implicit Generative Models of 3D Human Shape and Articulated Pose},
author = {Thiemo Alldieck and Hongyi Xu and Cristian Sminchisescu},
journal= {arXiv preprint arXiv:2108.10842},
year = {2021}
}
备注
ICCV 2021