OSSO：从外部获取骨骼形状

我们解决从人体 3D 表面推断任意姿态下人体解剖骨骼的问题；即我们从外部（皮肤）预测内部（骨骼）。这在医学和生物力学中有许多应用。现有的最先进生物力学骨骼详尽但不易泛化到新对象。此外，预测骨骼的计算机视觉与图形学方法通常是启发式的、非从数据学习、未利用完整 3D 身体表面且未针对真值进行验证。据我们所知，我们的系统 OSSO（Obtaining Skeletal Shape from Outside，从外部获取骨骼形状）首个从真实数据学习从 3D 身体表面到内部骨骼的映射。我们使用 1000 例男性和 1000 例女性双能 X 射线吸收测定法（DXA）扫描实现这一点。对此，我们拟合参数化 3D 身体形状模型（STAR）以捕捉身体表面，并拟合新颖的基于部件的 3D 骨骼模型以捕捉骨骼。这提供了内部/外部训练对。我们在姿态归一化空间中用 PCA 建模完整骨骼的统计变异。然后我们训练从身体形状参数到骨骼形状参数的回归器，并细化骨骼以满足物理合理性约束。给定任意 3D 身体形状和姿态，OSSO 预测出内部真实骨骼。与先前工作相比，我们在留出 DXA 扫描上定量评估骨骼形状精度，优于最先进水平。我们还展示了从多样且具挑战性的 3D 身体进行 3D 骨骼预测。从身体形状推断骨骼的代码已发布供研究于 https://osso.is.tue.mpg.de/，配对外表面（皮肤）与骨骼（骨）网格的数据集作为 Biobank Returned Dataset 提供。本研究使用 UK Biobank Resource 进行。