StackFLOW：基于堆叠正规化流与偏移的单目人物重建
计算机视觉与模式识别
2024-07-31 v1 图形学
摘要
建模和捕获人和物体在3D空间中的布局是从单目图像中感知人物-物体交互的关键。本文提出使用从人体网格和物体网格表面密集采样的锚点之间的人物-物体偏移来表示人物-物体空间关系。与以接触图或隐式距离场编码3D人物-物体空间关系的先前方法相比，我们的方法是一种简单且高效的编码人物与物体高度细节空间相关性的方式。基于此表示，我们提出堆叠正规化流(StackFLOW)来推断人物-物体空间关系的后验分布。在优化阶段，我们通过最大化基于该后验分布的样本概率并最小化2D-3D对应重投影损失来微调人体姿态和物体6D姿态。广泛的实验结果表明，我们的方法在两个具有挑战性的基准数据集BEHAVE和InterCap上取得了令人印象深刻的成绩。
引用
@article{arxiv.2407.20545,
title = {StackFLOW: Monocular Human-Object Reconstruction by Stacked Normalizing Flow with Offset},
author = {Chaofan Huo and Ye Shi and Yuexin Ma and Lan Xu and Jingyi Yu and Jingya Wang},
journal= {arXiv preprint arXiv:2407.20545},
year = {2024}
}
备注
Accepted by IJCAI-23