ShapeBoost：利用基于部件的参数化和保留衣物的增强提升人体形状估计
计算机视觉与模式识别
2024-03-05 v1
摘要
从单目 RGB 图像中准确恢复人体形状是一项具有挑战性的任务，因为人类具有不同的形状和尺寸，并穿着不同的衣物。在本文中，我们提出了 ShapeBoost，这是一种新的人体形状恢复框架，即使对于罕见的人体形状也能实现像素级对齐，并对穿着不同类型衣物的人实现高精度。与以往依赖基于 PCA 的形状系数的方法不同，我们采用了一种新的人体形状参数化方法，将人体形状分解为骨骼长度和每个部件切片的平均宽度。这种基于部件的参数化技术利用半解析形状重建算法，在灵活性和有效性之间取得了平衡。基于这种新的参数化，我们提出了一种保留衣物的数据增强模块，以生成具有多样人体形状和准确标注的真实图像。实验结果表明，我们的方法在多样人体形状情况以及各种衣物情况下均优于其他最先进的方法。
引用
@article{arxiv.2403.01345,
title = {ShapeBoost: Boosting Human Shape Estimation with Part-Based Parameterization and Clothing-Preserving Augmentation},
author = {Siyuan Bian and Jiefeng Li and Jiasheng Tang and Cewu Lu},
journal= {arXiv preprint arXiv:2403.01345},
year = {2024}
}