MExECON：基于法线集成优化的多视角显式穿戴人形
计算机视觉与模式识别
2025-08-22 v1
摘要
本工作提出了 MExECON，一种用于从稀疏多视角 RGB 图像重建穿戴人类模型的新型管线。基于单视角方法 ECON，MExECON 将其能力扩展到利用多个视角，从而改进几何和身体姿态估计。管线的核心是提出的联合多视角身体优化（JMBO）算法，，该算法在所有输入视角上拟合单个 SMPL-X 人体模型，确保多视角一致性。优化后的人体模型作为低频先验，引导后续的表面重建，其中通过法线图集成添加几何细节。MExECON 集成来自前视和后视的法线图，以准确捕获服装折叠和发型等细粒度表面细节。所有多视角收益均无需任何网络重新训练即可实现。实验结果表明，MExECON 在单视角基线上始终提高保真度，并与现代few-shot 3D 重建方法达到竞争水平。
引用
@article{arxiv.2508.15500,
title = {MExECON: Multi-view Extended Explicit Clothed humans Optimized via Normal integration},
author = {Fulden Ece Uğur and Rafael Redondo and Albert Barreiro and Stefan Hristov and Roger Marí},
journal= {arXiv preprint arXiv:2508.15500},
year = {2025}
}