MHR-Net：从2D视图进行非刚性形状多重假设重建
计算机视觉与模式识别
2023-01-13 v2
摘要
我们提出MHR-Net，一种用于从运动恢复非刚性形状（NRSfM）的新方法。MHR-Net旨在为2D视图找到一组合理的重建结果，并从中选择最可能的重建。为应对非刚性形状无监督生成的挑战，我们在MHR-Net中开发了一种新的确定性基与随机形变方案。非刚性形状首先表示为粗形状基与柔性形变的叠加，然后通过形变部分的不确定性建模生成多个假设。MHR-Net在基和最佳假设上以重投影损失进行优化。此外，我们设计了一种新的Procrustean残差损失，减少了相似形状间的刚性旋转并进一步提升性能。实验表明，MHR-Net在Human3.6M、SURREAL和300-VW数据集上达到了SOTA的重建精度。
引用
@article{arxiv.2207.09086,
title = {MHR-Net: Multiple-Hypothesis Reconstruction of Non-Rigid Shapes from 2D Views},
author = {Haitian Zeng and Xin Yu and Jiaxu Miao and Yi Yang},
journal= {arXiv preprint arXiv:2207.09086},
year = {2023}
}
备注
Accepted to ECCV 2022; code: https://github.com/haitianzeng/MHR-Net