StereoPIFu：基于立体视觉的深度感知着装人体数字化方法
计算机视觉与模式识别
2021-04-14 v2
摘要
本文提出 StereoPIFu，其将立体视觉的几何约束与 PIFu 的隐式函数表示相融合，从一对低成本的校正图像中恢复着装人体的三维形状。首先，我们引入基于立体视觉网络的有效体素对齐特征以实现深度感知重建。此外，采用新颖的相对 z 偏移量将预测的高保真人体深度与占用推断相关联，有助于恢复精细级别的曲面细节。其次，设计了一种充分利用立体图像几何信息的网络结构以提升人体重建质量。因此，我们的 StereoPIFu 能够自然推断人体在相机空间中的空间位置并保持人体不同部分的正确相对位置，这使得我们的方法能够捕捉人体动作。与以往工作相比，我们的 StereoPIFu 显著提升了着装人体重建的鲁棒性、完整性与准确性，广泛的实验结果证明了这一点。
引用
@article{arxiv.2104.05289,
title = {StereoPIFu: Depth Aware Clothed Human Digitization via Stereo Vision},
author = {Yang Hong and Juyong Zhang and Boyi Jiang and Yudong Guo and Ligang Liu and Hujun Bao},
journal= {arXiv preprint arXiv:2104.05289},
year = {2021}
}
备注
Accepted by CVPR2021. Project page: http://crishy1995.github.io/StereoPIFuProject