人类作为点:从单视图RGB图像的显式基于点的3D人体重建

科学领域:

• 计算机视觉 计算机视觉
• 3D几何处理处理 3D几何处理
• 机器学习 机器学习

背景情况:

• 当前的单视图人体重建方法通常依赖于深层隐性功能,面临灵活性,通用性和强度方面的挑战.
• 现有的方法与可控制和明确的几何表示作斗争,限制了它们的实际应用.

研究的目的:

• 引入HaP,一个新的基于点的框架,用于单一视图的人类重建.
• 通过提出一个完全明确的,以几何为中心的方法来克服隐性方法的局限性.
• 为真实扫描的3D人类数据提供一个新的基准数据集.

主要方法:

• 哈普利用点云作为3D人体几何学的中间表示.
• 该框架包括明确的点云估计,SMPL操纵,基于扩散的生成,以及通过位移学习和深度替换进行改进.
• 它完全在3D几何空间中运行,避免模两可的隐性学习过程.

主要成果:

• 与最先进的方法相比,HAP实现了20-40%的定量性能改进.
• 该框架在人类重建方面显示出卓越的质量结果.
• 介绍了一个新的数据集,即真实扫描的3D人类,具有复杂的细节.

结论:

• 拟议的HAP框架为单一视图的人类重建提供了更灵活,更普遍和更强大的解决方案.
• 结果表明,在这个领域,潜在的范式转向完全明确的,以几何为中心的算法.
• 新的数据集将促进进一步研究详细的3D人体建模.