基于训练无关的2D深度图像进行3D人体重建的脊柱线检测与姿态评估
计算机视觉与模式识别
2026-01-06 v2
摘要
脊柱角度是身体平衡的重要指标。恢复人体3D形状和估计脊柱中心线具有重要意义。现有的多图像人体重建方法需要昂贵的设备和复杂的程序，而单图像重建方法由于遮挡和视角限制而难以准确估计脊柱中心线等内部结构。本研究提出了一种方法，以弥补多图像方法的不足并解决单图像方法的局限性。我们提出了一种3D人体姿态分析系统，整合来自四个方向的深度图像以重建3D人体模型并自动估计脊柱中心线。通过全局与精细配准的分层匹配，实现了对噪声和遮挡的补偿。同时，应用自适应顶点约简以保持网格的分辨率和形状可靠性，并通过使用细节层次集成同时确保脊柱角度估计的准确性和稳定性。所提出的方法在不依赖训练数据或复杂神经网络模型的情况下实现了高精度3D脊柱配准估计，验证结果确认了匹配质量的提升。
引用
@article{arxiv.2512.12718,
title = {Spinal Line Detection for Posture Evaluation through Train-ing-free 3D Human Body Reconstruction with 2D Depth Images},
author = {Sehyun Kim and Hye Jun Lee and Jiwoo Lee and Changgyun Kim and Taemin Lee},
journal= {arXiv preprint arXiv:2512.12718},
year = {2026}
}
备注
GitHub, see https://github.com/DevChoco/TF3D_SpineDetect