从显式到隐式配准：面向单图像高保真服装网格重建
计算机视觉与模式识别
2022-03-30 v1
摘要
得益于深度学习技术与隐式形状学习的强大能力，单图像人体数字化的近期进展已达到前所未有的精度，并能恢复诸如服装褶皱等细粒度表面细节。然而，基于隐式的方法普遍存在的一个问题是，它们无法为每件服装生成分离且拓扑一致的网格，而这正是当前3D内容创建流程所关键的。为解决此问题，我们提出了一种新颖的几何推断框架 ReEF，通过将显式服装模板配准到从单图像预测的整体隐式场，来重建拓扑一致的分层服装网格。实验表明，我们的方法在单图像分层服装重建上显著优于同类方法，并可为后续内容创作带来高质量数字资产。
引用
@article{arxiv.2203.15007,
title = {Registering Explicit to Implicit: Towards High-Fidelity Garment mesh Reconstruction from Single Images},
author = {Heming Zhu and Lingteng Qiu and Yuda Qiu and Xiaoguang Han},
journal= {arXiv preprint arXiv:2203.15007},
year = {2022}
}
备注
CVPR 2022, For project page, please see: https://kv2000.github.io/2022/03/28/reef/