从单张图重建三维人体模型综述（一）

《DeepHuman: 3D Human Reconstruction from a Single Image》
我们提出了DeepHuman，一种用于从单个RGB图像重建三维人体的图像引导体积到体积的CNN。为了减少与曲面几何重建相关的歧义，甚至对于不可见区域的重建，我们提出并利用SMPL模型生成的密集语义表示作为额外输入。我们网络的一个关键特征是，它通过体积特征变换将不同比例的图像特征融合到三维空间中，这有助于恢复精确的曲面几何。可见表面细节通过法线细化网络进一步细化，该网络可以使用我们提出的体积法线投影层与体积生成网络连接。我们还提供了THuman，一个包含约7000个模型的3D真实世界人体模型数据集。总的来说，由于我们网络的特殊设计和数据集的多样性，我们的方法能够在仅给出一幅图像的情况下进行3D人体模型估计，并且优于最先进的方法。

《TetraTSDF: 3D human reconstruction from a single image with a tetrahedral》

由于模糊性，从二维外观恢复人的三维形状是不适定的。然而，借助卷积神经网络（CNN）和关于3D人体的先验知识，有可能克服这种模糊性，从单个图像恢复人体的详细3D形状。然而，目前的解决方案无法重建穿着宽松衣服的人的所有细节。这是因为（a）即使在现代GPU上也无法维持的巨大内存需求，或者（b）无法对所有细节进行编码的紧凑3D表示。在本文中，我们提出了人体的四面体外壳体积截断符号距离函数（TetraTSDF）模型，以及相应的用于三维人体形状回归的部分连接网络（PCN）。我们提出的模型紧凑、密集、准确，但非常适合基于CNN的回归任务。我们提出的PCN允许我们从单个图像以端到端的方式了解四面体体积中TSDF的分布。结果表明，我们提出的方法可以从单个RGB图像重建穿着宽松衣服的人的详细形状。

更多计算机视觉与图形学相关资料，请关注微信公众号：计算机视觉与图形学实战

论文下载请在公众号内回复：paper

如果您认为上面的内容对您有一定的价值，可以对我们进行小小的赞助，来支持我们的工作，因为后续打算构建自己的网站，谢谢：