基于顶点热图表示学习的多视角图像三维人体网格重建
计算机视觉与模式识别
2023-06-30 v1
摘要
本研究解决从多视角图像进行三维人体网格重建的问题。近来，基于从输入图像的体积热图表示直接估计基于蒙皮多人线性模型（SMPL）的人体网格顶点的方法已展现出良好性能。我们表明，使用自编码器对顶点热图进行表示学习有助于提升此类方法的性能。顶点热图自编码器（VHA）利用大规模动作捕捉数据集 AMASS，以潜码形式学习合理人体网格的流形。身体代码预测器（BCP）通过基于潜码的监督与预训练权重的迁移，利用从 VHA 学到的身体先验从多视角图像重建人体网格。根据在 Human3.6M 和 LightStage 数据集上的实验，所提方法优于先前方法并达到了最先进的人体网格重建性能。
引用
@article{arxiv.2306.16615,
title = {Representation learning of vertex heatmaps for 3D human mesh reconstruction from multi-view images},
author = {Sungho Chun and Sungbum Park and Ju Yong Chang},
journal= {arXiv preprint arXiv:2306.16615},
year = {2023}
}
备注
ICIP 2023