基于单个前部扫描点云的参数体重建

科学领域:

• 计算机视觉 计算机视觉
• 3D重建的3D重建
• 数字人体建模 数字人体建模

背景情况:

• 当前的3D身体扫描系统往往是重的,昂贵的,需要特定的服装,限制了它们的可访问性和应用.
• 从穿着的人身上获得准确的数字身体模型,由于遮蔽和复杂的服装相互作用,这给人带来了重大挑战.

研究的目的:

• 开发一个高效的管道,从一个穿着衣服的人的单个前视图扫描中重建精确的数字身体模型.
• 克服现有的3D扫描技术的局限性,使其能够在不需要专业服装或多次扫描的情况下进行重建.

主要方法:

• 提出了一种新的管道,将内体形状推断和参数模型注册相结合.
• 三个神经网络模块 (Scan2Front-Net,Front2Back-Net,Inner2Corr-Net) 预测了前内,后内和参考点云.
• 该方法学习了14个身体部位内的轴偏移关系,从前部扫描中推断出后部内部形状.

主要成果:

• 拟议的管道成功地从穿着个人的单一前部扫描中重建了详细的数字身体模型.
• 定性和定量分析表明,与现有方法相比,身体形状完成和重建精度的显著改善.
• 这种方法有效地推断了内部车身形状,使得准确的参数模型注册成为可能.

结论:

• 开发的方法提供了一个实用和准确的解决方案,用于从穿着主题的单视图扫描进行数字身体模型重建.
• 这种方法有可能在虚拟试用,个性化时尚和生物力学等领域推进应用.
• 该管道展示了强度和准确性,解决了穿着人体建模方面的关键挑战.