admin管理员组

文章数量:1660166

Learning to Estimate 3D Human Pose and Shape from a Single Color Image（CVPR2018）

本文解决的问题是 从单幅彩色图片估计人的全身3D姿态和体型（pose & shape）

在end-to-end网络中加入了SMPL模型。这样仅需很少的参数就可以得到详细的3D网格结果。文章也说明了，可以从2D的关节点和掩膜（masks）得到这些参数。这样就不需要很多的3D shape ground truth。同时在网络训练时候，从估计的参数生成3D mesh，并且使用3D per-vertex loss 来优化surface。最后，通过一个可微的模块（a differentiable renderer）将3D mesh投影到图片，这样可以进行后续的fine操作，用来优化与2D标签（2D 关键点， 人体掩膜）的一致性。

                                                              

3D per-vertex loss

由于函数

本文标签： estimateHumanhpeLearningPose

版权声明：本文标题：(3D-HPE)Learning to Estimate 3D Human Pose and Shape from a Single Color Image 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://www.elefans.com/dianzi/1729849777a1215258.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。