个性化三维人体姿态与形状优化

近年来，基于回归的方法主导了三维人体姿态与形状估计领域。尽管取得了令人鼓舞的结果，一个常见问题是预测与图像观测之间的错位，这通常由沿运动链累积的微小关节旋转误差引起。为解决此问题，我们提出在初始人体模型估计与相应图像之间构建密集对应关系，这些对应关系可用于优化初始预测。为此，我们利用三维模型的渲染图来预测合成渲染图与RGB图像之间的逐像素二维位移。这使我们能够有效整合并利用人物的外观信息。我们的逐像素位移可以高效地转换为逐可见顶点位移，然后通过最小化重投影损失用于三维模型优化。为证明我们方法的有效性，我们在3DPW和RICH数据集上，使用不同的优化程序对多个模型的初始三维人体网格预测进行了优化。我们表明，我们的方法不仅持续带来更好的图像-模型对齐，而且还提高了三维精度。