题目

PIFuHD:多级像素对齐隐式功能,实现高分辨率,三维人体数字化

关键词

计算机视觉,三维人体数字化,高分辨率,图像处理

简介

基于图像的3D人体形状估计的最新进展是由深度神经网络所提供的表示能力的显着提高所驱动的。 尽管当前的方法已经证明了在现实世界中的潜力,但是它们仍然无法以输入图像中经常出现的细节水平进行重建。 我们认为,这种限制主要源于两个相互矛盾的要求。 准确的预测需要大背景,但是精确的预测需要高分辨率。 由于当前硬件中的内存限制,以前的方法倾向于将低分辨率图像作为输入来覆盖较大的空间上下文,并因此产生精度较低(或低分辨率)的3D估计。 我们通过制定一种端到端可训练的多层体系结构来解决此限制。 粗糙级别以较低的分辨率观察整个图像,并着重于整体推理。 这提供了一个很好的环境,可以通过观察更高分辨率的图像来估计高度详细的几何形状。 我们证明,通过充分利用1k分辨率的输入图像,我们的方法在单图像人形重建方面显着优于现有的最新技术。

作者

S. Saito, T. Simon, J. Saragih, H. Joo

成为VIP会员查看完整内容
27

相关内容

计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【CVPR2020-Facebook AI】前置不变表示的自监督学习
专知会员服务
46+阅读 · 2020年4月19日
基于Siamese网络的多视角三维人脸重建
计算机视觉战队
5+阅读 · 2019年11月28日
已删除
将门创投
8+阅读 · 2019年6月13日
【泡泡一分钟】在CPU上进行实时无监督单目深度估计
泡泡机器人SLAM
17+阅读 · 2019年5月10日
Foreground-aware Image Inpainting
Arxiv
4+阅读 · 2019年1月17日
Learning Implicit Fields for Generative Shape Modeling
Arxiv
10+阅读 · 2018年12月6日
Arxiv
6+阅读 · 2018年6月20日
VIP会员
微信扫码咨询专知VIP会员