Pixel2ISDF：基于隐式有符号距离场的多视角多姿态人体图像人体模型重建
计算机视觉与模式识别
2022-12-07 v1
摘要
在本报告中，我们关注于以多视角和多姿态的人体作为输入，在规范空间中重建着装人体。为此，我们利用规范空间中 SMPLX 模型的几何先验来学习用于几何重建的隐式表示。基于姿态网格与规范空间网格之间拓扑一致性的观察，我们提出通过在姿态网格上利用多张输入图像学习潜码，并将潜码分配到规范空间中的网格上。具体而言，我们首先利用法线与几何网络提取 SMPLX 网格上每个顶点的特征向量。与 2D 图像相比，采用法线图可更好地泛化到未见图像。随后，通过 MLPs 整合来自多张图像的姿态网格上各顶点的特征。整合后的特征作为潜码锚定到规范空间中的 SMPLX 网格。最后，提取每个 3D 点的潜码并用于计算 SDF。我们在规范姿态下重建人体形状的工作在 WCPA MVP-Human Body Challenge 上取得了第 3 名的成绩。
引用
@article{arxiv.2212.02765,
title = {Pixel2ISDF: Implicit Signed Distance Fields based Human Body Model from Multi-view and Multi-pose Images},
author = {Jianchuan Chen and Wentao Yi and Tiantian Wang and Xing Li and Liqian Ma and Yangyu Fan and Huchuan Lu},
journal= {arXiv preprint arXiv:2212.02765},
year = {2022}
}
备注
8 pages, 3 figures, published to ECCV2022 WCPA Workshop