宽松衣物下人体的重建
计算机视觉与模式识别
2021-11-24 v3
摘要
从单目图像进行3D人体重建是计算机视觉中一个有趣且不适定的问题，在多个领域有广泛应用。本文中，我们提出SHARP，一种新颖的端到端可训练网络，可从单目图像精确恢复宽松衣物下3D人物的细致几何与外观。我们提出将参数化人体先验与穿衣模型的非参数化剥离深度图表示进行稀疏而高效的融合。参数化人体先验从两方面约束我们的模型：首先，网络保留未被衣物遮挡的几何一致人体部件；其次，它提供身体形状上下文，从而改善剥离深度图的预测。这使得SHARP仅借助2D图上的L1损失，在给定输入图像时即可恢复细粒度3D几何细节。我们在公开的Cloth3D与THuman数据集上评估SHARP，并报告了优于SOTA方法的性能。
引用
@article{arxiv.2106.04778,
title = {Reconstruction of People in Loose Clothing},
author = {Sai Sagar Jinka and Rohan Chacko and Astitva Srivastava and Avinash Sharma and P. J. Narayanan},
journal= {arXiv preprint arXiv:2106.04778},
year = {2021}
}