面向单目纹理 3D 人体重建的 SAT：监督正则化与动画数据增强
计算机视觉与模式识别
2025-08-28 v1
摘要
单目纹理 3D 人体重建旨在从单张正面人体 RGB 图像中创建完整的 3D 数字化身。然而，单张 2D 图像固有的几何歧义以及稀缺的 3D 人体训练数据是限制该领域进展的主要障碍。当前方法采用先验几何估计网络推导各种人体几何形式，如 SMPL 模型和法线图。但它们难以有效整合这些模态，导致视图不一致问题，如面部变形。为此，我们提出了两种过程的 3D 人体重建框架 SAT，无缝学习各种先验几何，并作为最终输出重建高质量纹理 3D 化身。为进一步促进几何学习，我们引入监督特征正则化模块。通过采用相同结构的多视图网络提供中间特征作为训练监督，这些不同的几何先验可以更好地融合。为解决数据稀缺问题并进一步提高重建质量，我们还提出了在线动画数据增强模块。通过构建一个前馏动画网络，我们在训练时从原始 3D 人体数据中在线增广大量样本。大量实验表明，我们的方法在两个基准数据集上优于当前最先进的方法。
引用
@article{arxiv.2508.19688,
title = {SAT: Supervisor Regularization and Animation Augmentation for Two-process Monocular Texture 3D Human Reconstruction},
author = {Gangjian Zhang and Jian Shu and Nanjie Yao and Hao Wang},
journal= {arXiv preprint arXiv:2508.19688},
year = {2025}
}
备注
10 pages, 8 figures