【论文理解】Detailed Human Shape Estimation from a Single Image by Hierarchical Mesh Deformation

CVPR 2019

论文链接：https://arxiv.org/pdf/1904.10506.pdf

源码：https://github.com/zhuhao-nju/hmd

译文：http://tongtianta.site/paper/40353

什么是锚点（anchor point）: https://blog.csdn.net/timwolee/article/details/9370917

参考资料：

1. 什么是锚点？

https://blog.csdn.net/timwolee/article/details/9370917

2. IoU

深度学习中IU、IoU(Intersection over Union)的概念理解以及python程序实现

https://blog.csdn.net/iamoldpan/article/details/78799857

3. 拉普拉斯网格形变

https://www.cnblogs.com/TooManyWayToBe/p/8463049.html

什么是锚点？（简单点说：锚点就是图片的原点）

文章解决的问题：提出了一个新的框架，从单个图像恢复详细的3D人体形状。

挑战：人体形状，身体姿势和关键点的变化

现有方法：通常尝试使用缺少表面细节的基于参数的模板来恢复人体形状。

现有方法存在的问题：所得到的身体形状似乎没有衣服。

文中方法：在本文中提出了一种新的基于深度学习的框架，它结合了参数模型的鲁棒性和自由形式三维变形的灵活性。本文使用深度神经网络在层次网格变形（HMD）框架中利用来自身体关节，轮廓和每像素着色信息的约束来细化3D形状，能够恢复皮肤模型之外的详细人体形状。

与目前最先进的方法（HMR [16]）相比，我们得到了恢复的体形，其表面细节更适合输入图像。As compared with the current state-of-the-art method (HMR [16]), we have got the recovered body shapes with surface details that better fit to the input image.

1. 相关工作

通过预测统计体形模型的参数来重建人体形状，例如SMPL [ 20]和SCAPE [3]

参数化形状具有低保真度，无法捕捉服装细节。 另一组方法[34,36]使用CNN直接从图像估计体积人体形状，而得到的体积表示相当粗糙并且不包含形状细节。