保持 SMPL：从单张图像自动估计 3D 人体姿态与形状
计算机视觉与模式识别
2016-07-28 v1
摘要
我们描述了第一种从单张无约束图像中自动估计人体 3D 姿态及其 3D 形状的方法。我们估计了完整的 3D 网格，并表明仅靠 2D 关节便携带了大量关于身体形状的信息。由于人体的复杂性、关节连接、遮挡、衣着、光照以及从 2D 推断 3D 的固有歧义性，该问题极具挑战性。为解决这一问题，我们首先使用近期发表的基于 CNN 的方法 DeepCut，自下而上预测 2D 身体关节位置。然后，我们将近期发表的统计人体形状模型（称为 SMPL）自上而下拟合至这些 2D 关节。我们通过最小化一个目标函数来实现这一点，该函数对投影的 3D 模型关节与检测到的 2D 关节之间的误差进行惩罚。由于 SMPL 捕获了人体形状在群体中的相关性，我们能够将其稳健地拟合到极少的数据上。我们进一步利用 3D 模型来防止导致相互穿透的解。我们在 Leeds Sports、HumanEva 和 Human3.6M 数据集上评估了我们的方法 SMPLify，结果表明其姿态精度优于现有技术。
引用
@article{arxiv.1607.08128,
title = {Keep it SMPL: Automatic Estimation of 3D Human Pose and Shape from a Single Image},
author = {Federica Bogo and Angjoo Kanazawa and Christoph Lassner and Peter Gehler and Javier Romero and Michael J. Black},
journal= {arXiv preprint arXiv:1607.08128},
year = {2016}
}
备注
To appear in ECCV 2016