PHD：基于点扩散的个人化 3D 人体网格拟合
计算机视觉与模式识别
2025-09-01 v1
摘要
我们提出了 PHD 方法，用于从视频中进行具有用户特定形状信息的个人化 3D 人体网格恢复 (HMR) 和身体拟合。传统 HMR 方法设计为用户中性，旨在实现泛化。虽然这些方法通常会利用源自 2D 图像的约束来改进姿态对齐，但这会以牺牲 3D 准确性为代价，因未能同时考虑人体特定形状和 3D 姿态的可行性。相反，我们的管道通过两步进行：首先校准用户的身体形状，然后在该形状条件下采用个人化姿态拟合过程。为实现这一点，我们开发了一个以点扩散变换器实现的身体形状条件 3D 姿态先验，该先验通过点蒸馏抽样损失引导姿态拟合。这种学习的 3D 姿态先验有效缓解了过度依赖 2D 约束导致的误差。因此，我们的方法不仅提高了髋部对齐姿态准确性，还提高了绝对姿态准确性——这是一个常被先前工作忽略的重要指标。此外，我们的方法高度数据高效，只需合成数据即可进行训练，充当可无缝集成到现有 3D 姿态估计算器中的通用插拨式模块。项目页面：https://phd-pose.github.io/
引用
@article{arxiv.2508.21257,
title = {PHD: Personalized 3D Human Body Fitting with Point Diffusion},
author = {Hsuan-I Ho and Chen Guo and Po-Chen Wu and Ivan Shugurov and Chengcheng Tang and Abhay Mittal and Sizhe An and Manuel Kaufmann and Linguang Zhang},
journal= {arXiv preprint arXiv:2508.21257},
year = {2025}
}
备注
ICCV 2025, 19 pages, 18 figures