从单张图重建三维人体模型综述（四）

《Temporal Consistency Loss for High Resolution Textured and Clothed 3D Human Reconstruction from Monocular Video》
我们提出了一种从单目视频来学习时间一致的三维重建人衣服的新方法。使用体积、隐式或参数化人体形状模型从单目视频进行三维人体重建的最新方法产生每帧重建，在应用于视频时，会产生时间不一致的输出和有限的性能。在本文中，我们介绍了一种从单目视频中学习时间一致性特征的方法，该方法通过提出两个改进：一个新的时间一致性损失函数；以及基于二维图像和粗略三维几何的隐式三维重建的混合表示学习。这些改进提高了单目视频三维重建和纹理预测的时间一致性和准确性。对人体图像的综合比较性能评估表明，该方法显著优于基于学习的单图像三维人体形状估计方法，显著提高了重建精度、完整性、质量和时间一致性。

《Pix3D: Dataset and Methods for Single-Image 3D Shape Modeling》
我们从单个图像研究三维形状建模，并在三个方面做出了贡献。首先，我们介绍了Pix3D，这是一个具有像素级2D-3D对齐的多种图像形状对的大规模基准。Pix3D在形状相关的任务中有着广泛的应用，包括重建、检索、视点估计等。然而，构建这样一个大规模的数据集是非常具有挑战性的；现有数据集要么只包含合成数据，要么在二维图像和三维形状之间缺乏精确对齐，要么只有少量图像。其次，我们通过行为研究来校准三维形状重建的评估标准，并使用它们在Pix3D上客观、系统地测试切割边缘重建算法。第三，我们设计了一种同时进行三维重建和姿态估计的新模型；我们的多任务学习方法在两项任务上都达到了最先进的性能。

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：