面向三维网格的无监督形状与姿态解耦
计算机视觉与模式识别
2020-07-23 v1
摘要
人体、人脸、手和动物的参数化模型已被广泛用于基于图像的重建、形状对应估计和动画等一系列任务。其关键优势在于能够将表面变化分解为形状相关和姿态相关的分量。学习此类模型需要大量专家知识和针对特定对象手工定义的约束，使得该学习方法难以扩展到新对象。本文提出一种简单而有效的无监督方法，用于学习解耦的形状与姿态表示。我们结合自一致性和交叉一致性约束，从配准网格中学习姿态和形状空间。此外，我们将尽可能刚性变形（ARAP）引入训练循环以避免退化解。我们通过姿态迁移和形状检索等多项任务展示了所学表示的实用性。在三维人体、人脸、手和动物数据集上的实验证明了我们方法的通用性。代码已发布于 https://virtualhumans.mpi-inf.mpg.de/unsup_shape_pose/。
引用
@article{arxiv.2007.11341,
title = {Unsupervised Shape and Pose Disentanglement for 3D Meshes},
author = {Keyang Zhou and Bharat Lal Bhatnagar and Gerard Pons-Moll},
journal= {arXiv preprint arXiv:2007.11341},
year = {2020}
}