通过正常集成实现轻量级显式3D人类数字化
Jiaxuan Liu1,2, Jingyi Wu1, Ruiyang Jing1
1Academy for Engineering and Technology, Fudan University, Shanghai 200433, China.
Sensors (Basel, Switzerland)
|March 17, 2025
概括
我们开发了一种轻量级的3D人体重建模型,使用扩展卷积和交叉共振注意力. 这种方法可显著减少80%的模型参数,以便在边缘设备上有效部署.
科学领域:
- 计算机视觉 计算机视觉
- 3D 计算机图形 3D 计算机图形
- 机器学习 机器学习
背景情况:
- 从图像中进行3D人体重建对于各种应用至关重要.
- 由于高计算需求,大型神经网络在资源受限的边缘设备上部署面临挑战.
- 优化网络架构是降低计算成本和提高效率的关键.
研究的目的:
- 提出一个轻量级和高效的3D人类重建模型.
- 为了平衡重建的准确性与实际应用的计算成本.
- 为了实现在边缘设备上部署3D人类建模.
主要方法:
- 扩展卷积和交叉共变注意力机制的整合,用于轻量级的生成网络.
- 利用一种新的损失函数,设计用于正常地图几何属性,以提高表面重建质量.
- 开发一个网络架构,捕获多个规模的信息,同时最大限度地降低模型的复杂性.
主要成果:
- 与现有方法相比,培训参数减少了大约80%.
- 保持生成3D人类模型的高质量.
- 通过专门的损失函数,证明了表面重建精度的提高.
结论:
- 拟议的轻量级模型为3D人类重建提供了有效的解决方案.
- 集成特定的架构组件和定制的损失函数显著减少了计算要求.
- 这一进步有助于在边缘设备上实际部署3D人类建模技术.
