基于网格卷积的单图像三维手部重建

可形变物体（如人体部位）的单目三维重建通常通过预测重型线性模型的参数来解决。在本文中，我们展示了一种基于将图像编码为网格的潜在非线性表示的替代方案。三维手形状的先验通过在谱域执行内蕴图卷积训练自编码器来学习。预训练的解码器充当非线性统计可形变模型。重建图像中手形状和关节姿态的潜在参数使用图像编码器预测。我们表明我们的系统重建出合理的网格并实时运行。我们在一个新数据集上评估解码器产生的网格重建质量，并展示潜在空间插值结果。我们的代码、数据和模型将公开提供。