用于人体网格恢复的密度UV补全学习
计算机视觉与模式识别
2023-08-11 v2
摘要
在存在遮挡（可由自身、物体或其他人引起）的情况下，从单张图像重建人体网格具有挑战性。现有方法要么无法准确分离人体特征，要么缺乏用于特征补全的恰当监督。本文提出密集修复人体网格恢复（DIMR），一种利用密集对应图处理遮挡的两阶段方法。我们的方法使用密集对应图分离可见人体特征，并在结构化UV图上通过基于注意力的特征补全模块补全密集人体的特征。我们还设计了一种特征修复训练流程，引导网络从非遮挡特征中学习。我们在多个数据集上评估了该方法，并证明其在重度遮挡场景下优于其他方法。大量实验表明，我们的方法在重度遮挡图像上明显优于先前SOTA方法，并在标准基准（3DPW）上取得可比结果。
引用
@article{arxiv.2307.11074,
title = {Learning Dense UV Completion for Human Mesh Recovery},
author = {Yanjun Wang and Qingping Sun and Wenjia Wang and Jun Ling and Zhongang Cai and Rong Xie and Li Song},
journal= {arXiv preprint arXiv:2307.11074},
year = {2023}
}