[CVPR2018](SMALR)Lions and tigers and bears: Capturing non-rigid, 3d, articulated shape from images

标题：Lions and tigers and bears: Capturing non-rigid, 3d, articulated shape from images

链接：https://openaccess.thecvf.com/content_cvpr_2018/papers/Zuffi_Lions_and_Tigers_CVPR_2018_paper.pdf

本文是基于SMAL的改进，主要是增加了对个体的形状优化和纹理的贴合。

模型结构

如上图所示，模型一共分为三个步骤：对齐到SMAL，个体形状优化，纹理贴合。 

对齐到SMAL

这里基本是照搬SMAL中的方案，只不过在拟合多角度图像时，作者没有要求所有视角共享同一个形状参数，而是增加了一个不同视角间形状参数的相似性约束，作者说这样效果会更好。

对齐到SMAL的结果就是对SMAL中已有的动物种类表现的很好，但对齐没有囊括的动物种类表现的就比较差。而且SMAL最大的问题是对每个类只有一个模板，比如胖老虎和瘦老虎都是拟合到同一个模板的，因此作者才提出了针对个体的优化。

个体形状优化

为了将类模板进一步优化来贴合每个个体，作者针对每个顶点都预测了一个位移量，通过这个位移量来进一步修正模型。而这里用的损失函数和SMAL中的拟合函数也是差不多的，包括了关键点，剪影，as-rigid-as-possible和对称损失。除此以外作者还加了一个针对位移量的laplacian平滑，为了保证这些位移量不会为了拟合结果而产生局部的扭曲。

纹理贴合

这里作者事实上是从每个图像中手动抠出来对应的纹理，然后匹配到对应的顶点上去的。而其面对的问题就在于有的部分是看不到的。而对于看不到的部分作者主要利用了模型的对称性进行纹理补全，对于对称也看不到的地方就直接使用平均值填充。