“photo wake-up”第三周个人工作总结

本文探讨了从二维图像输出人体关节点,并利用SMPL模型将其转换为三维人体模型的过程。通过研究keepitSMPL论文及其实现,详细介绍了SMPL模型的特点及其在人体姿态估计中的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

2019年3月29号
/马晓颖

上周我们已经可以从输出的一个二维图片输出人体的14个关节点,下一步就是研究Convolutional pose machines的输出是什么,怎么把这些输出设配到一个三维模型中。

首先我们开始研究2016年的一篇论文 keep it SMPL
(F. Bogo, A. Kanazawa, C. Lassner, P. Gehler, J. Romero, andM.J.Black. KeepitSMPL:Automaticestimationof3D human pose and shape from a single image. In Computer Vision – ECCV 2016, Lecture Notes in Computer Science. Springer International Publishing, Oct. 2016)

SMPL模型:
论文地址 http://files.is.tue.mpg.de/black/papers/SMPL2015.pdf

SMPL模型是一种参数化人体模型,是马普所提出的一种人体建模方法,该方法可以进行任意的人体建模和动画驱动。这种方法与传统的LBS的最大的不同在于其提出的人体姿态影像体表形貌的方法,这种方法可以模拟人的肌肉在肢体运动过程中的凸起和凹陷。因此可以避免人体在运动过程中的表面失真,可以精准的刻画人的肌肉拉伸以及收缩运动的形貌。

官方的运行效果

在这里插入图片描述

而且模型添加了camera参数,得到模型后可以得到不同角度的模型,估计camera参数在后期投影得出二维图像时会有用

在这里插入图片描述

该模型输入的是图片及其关节点,输出的是一个可用的三维模型,十分符合我们任务的要求,而且文章代码已公开,我们尝试跑通这份代码。

试跑demo阶段

代码需要在linux系统下跑,而且我个人电脑环境缺失比较多,按照README中步骤一步一步配环境装库还是遇到了比较多的问题。

这部分是我的小伙伴们完成的,为他们鼓个掌掌!

解决完这些问题之后,用官方的LSP数据集以及训练好的关节点可以得出以下结果

在这里插入图片描述

也得出以下的temp文件
在这里插入图片描述

原论文与源码阅读阶段
生成模型主要是人体十四个关节点的数据。通过进一步分析知道了节点的顺序( Right ankle,Right knee,Right hip,Left hip, Left knee, Left ankle,Right wrist, Right elbow,Right shoulder, Left shoulder, Left elbow ,Left wrist, Neck ,Head top)以及节点信息存储的位置。节点信息存储在/smplify_public/results/est_joints.npz文件中,读取该文件,发现是一个键为‘est_joints’值为(28, 14, 2000)的列表的字典。

因此阅读cpm的源码,将其中表示关节点的信息存储到npz文件中,同时修改相应的性别信息,运行cpm模型,得到并存储关节点信
在这里插入图片描述

运行smpl代码

在这里插入图片描述

效果还可以!

分析得出的数据

在这里插入图片描述

得到三个数据

cam_t//应该是照相机translation参数
pose//大概就指示着模型参数
beta//是照相机ratation参数
f//猜测为焦距

弄清楚这些参数是什么,怎么通过这些参数作为输入构建出可用的三维模型并得出其法线贴图,蒙皮贴图,深度图,就是下一步任务了

公众号:计算机视觉与图形学实战

 


 

资源下载链接为: https://pan.quark.cn/s/3d8e22c21839 随着 Web UI 框架(如 EasyUI、JqueryUI、Ext、DWZ 等)的不断发展与成熟,系统界面的统一化设计逐渐成为可能,同时代码生成器也能够生成符合统一规范的界面。在这种背景下,“代码生成 + 手工合并”的半智能开发模式正逐渐成为新的开发趋势。通过代码生成器,单表数据模型以及一对多数据模型的增删改查功能可以被直接生成并投入使用,这能够有效节省大约 80% 的开发工作量,从而显著提升开发效率。 JEECG(J2EE Code Generation)是一款基于代码生成器的智能开发平台。它引领了一种全新的开发模式,即从在线编码(Online Coding)到代码生成器生成代码,再到手工合并(Merge)的智能开发流程。该平台能够帮助开发者解决 Java 项目中大约 90% 的重复性工作,让开发者可以将更多的精力集中在业务逻辑的实现上。它不仅能够快速提高开发效率,帮助公司节省大量的人力成本,同时也保持了开发的灵活性。 JEECG 的核心宗旨是:对于简单的功能,可以通过在线编码配置来实现;对于复杂的功能,则利用代码生成器生成代码后,再进行手工合并;对于复杂的流程业务,采用表单自定义的方式进行处理,而业务流程则通过工作流来实现,并且可以扩展出任务接口,供开发者编写具体的业务逻辑。通过这种方式,JEECG 实现了流程任务节点和任务接口的灵活配置,既保证了开发的高效性,又兼顾了项目的灵活性和可扩展性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值