统一人体：闭合三维与二维人体表示之间的环路
计算机视觉与模式识别
2017-07-26 v3
摘要
三维模型为人体不同的表示提供了公共基础。反之，鲁棒的二维估计已被证明是获取“野外”三维拟合的有力工具。然而，取决于细节程度，获取用于大规模训练二维估计器的标注数据可能很困难甚至不可能。我们针对此问题提出一种混合方法：利用最近引入的 SMPLify 方法的扩展版本，我们为多个人体姿态数据集获取高质量的 3D 身体模型拟合。人类标注者仅对拟合的好坏进行排序。该过程产生了一个具有丰富标注的初始数据集 UP-3D。通过一套综合实验，我们展示了如何使用该数据训练判别模型，其产生的结果具有前所未有的细节水平：我们的模型预测身体上的 31 个分割段和 91 个关键点位置。利用该 91 关键点姿态估计器，我们给出了三维人体姿态与形状估计的当前最优结果，所用训练数据少一个数量级，且在拟合过程中不对性别或姿态作假设。我们表明 UP-3D 可用这些改进拟合来增强，从而在数量和质量上增长，这使得系统可大规模部署。数据、代码和模型可供研究目的使用。
引用
@article{arxiv.1701.02468,
title = {Unite the People: Closing the Loop Between 3D and 2D Human Representations},
author = {Christoph Lassner and Javier Romero and Martin Kiefel and Federica Bogo and Michael J. Black and Peter V. Gehler},
journal= {arXiv preprint arXiv:1701.02468},
year = {2017}
}