论文复现:PARE

写在前面：

01，纯粹个人学习之用，不做任何商用。如有侵权，联系我删除。

02，个人能力有限，仅供参考，欢迎讨论，共同成长。

一. 论文信息

《PARE: Part Attention Regressor for 3D Human Body Estimation》

论文地址：https://arxiv.org/pdf/2104.08527.pdf

代码地址：https://github.com/mkocabas/PARE

B站介绍视频

二. 内容简介

论文研究内容：3D人体检测

论文作者相关：德国马普所大佬

论文创新点和架构：xdm自己研究

针对遮挡敏感性可视化模型， 使用了优化直接回归方法，论文中提到，首先以端到端的方式回归三维身体参数，学习每个身体部位的注意力权重，然后为了识别或者补全遮挡部分，论文中利用可见部分的像素对其图像特征，来补全图像，达到识别的效果。

细节我就不分析了，简单来说我也是看了论文效果图，给几个大家看看。

左边是原图，右边是效果图，通过对比可以得到，对于遮挡部分的补全，还是与实际逻辑吻合度比较高的。

三. 代码实现，推理自己的demo

需要具备炼丹成员的基础水准。

比如安装环境下载对应的包等等，简单来说。

第一步

git clone https://github.com/mkocabas/PARE.git

 在自己服务器上面先下载代码。

第二步

下载训练好的模型，

这里我把训练好的模型和数据放在网盘，叫我雷锋

链接：https://pan.baidu.com/s/1_z-Ycqaf6PMrGSwkTQMQ0A 
提取码：ndiy 

在目录下代码分布如下：

data/
├── body_models
│   └── smpl
├── dataset_extras
├── dataset_folders
│   ├── 3doh
│   └── 3dpw
└── pare
    └── checkpoints

大家可以对照我的看一下。

 然后执行命令

cd /PARE
python scripts/demo.py --vid_file data/sample_video.mp4 --output_folder logs/demo 

就可以了。

完美，交差。

可以拿去给老师或者小伙伴们看看了。

END

-----------------------------------------------------------------------------------------------

声明:本文章仅供个人学习之用，由于作者能力有限，相关观点和信息仅供参考。

如有侵权请联系。

欢迎各位读者老爷提问和交流。

我们的目标是星辰大海！