論文の概要: Estimation of 3D Body Shape and Clothing Measurements from Frontal- and
Side-view Images
- arxiv url: http://arxiv.org/abs/2205.14347v1
- Date: Sat, 28 May 2022 06:10:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-31 14:47:03.595442
- Title: Estimation of 3D Body Shape and Clothing Measurements from Frontal- and
Side-view Images
- Title（参考訳）: フロント・サイドビュー画像からの3次元身体形状と衣服形状の推定
- Authors: Kundan Sai Prabhu Thota, Sungho Suh, Bo Zhou, Paul Lukowicz
- Abstract要約: ファッション業界における3次元人体形状と衣服の計測は,仮想試行錯誤およびサイズ推薦問題に不可欠である。
既存の研究はこれらの問題に対する様々な解決策を提案したが、複雑さと制約のために業界適応には成功しなかった。
本稿では,正面画像と側面画像から形状と測度の両方を推定する,シンプルで効果的なアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 8.107762252448195
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The estimation of 3D human body shape and clothing measurements is crucial
for virtual try-on and size recommendation problems in the fashion industry but
has always been a challenging problem due to several conditions, such as lack
of publicly available realistic datasets, ambiguity in multiple camera
resolutions, and the undefinable human shape space. Existing works proposed
various solutions to these problems but could not succeed in the industry
adaptation because of complexity and restrictions. To solve the complexity and
challenges, in this paper, we propose a simple yet effective architecture to
estimate both shape and measures from frontal- and side-view images. We utilize
silhouette segmentation from the two multi-view images and implement an
auto-encoder network to learn low-dimensional features from segmented
silhouettes. Then, we adopt a kernel-based regularized regression module to
estimate the body shape and measurements. The experimental results show that
the proposed method provides competitive results on the synthetic dataset,
NOMO-3d-400-scans Dataset, and RGB Images of humans captured in different
cameras.
- Abstract（参考訳）: 3次元人体形状と衣服寸法の推定はファッション業界における仮想試着やサイズ推奨問題において重要であるが、公開可能な現実的なデータセットの欠如、複数のカメラ解像度でのあいまいさ、定義不能な人間の形状空間など、いくつかの条件により、常に困難な問題となっている。
既存の研究はこれらの問題に対する様々な解決策を提案したが、複雑さと制約のために業界適応には成功しなかった。
本稿では,その複雑さと課題を解決するため,前面画像と側面画像から形状と測定値の両方を推定する簡易かつ効果的なアーキテクチャを提案する。
2つの多視点画像からシルエットセグメンテーションを活用し,セグメント化シルエットから低次元特徴を学習する自動エンコーダネットワークを実装した。
次に,体形状と測定値の推定にカーネルベースの正規化回帰モジュールを採用する。
実験結果から,提案手法は,合成データセット,nomo-3d-400-scansデータセット,rgb画像において,異なるカメラで撮影された人間の競合結果が得られることが示された。
関連論文リスト
- A Simple Strategy for Body Estimation from Partial-View Images [8.05538560322898]
仮想試行と製品パーソナライズは、現代オンラインショッピングにおいてますます重要になってきており、正確な身体計測推定の必要性を強調している。
従来の研究では、RGB画像から3次元の身体形状を推定する研究が進んでいるが、画像中の人間の観察スケールは、距離と体次元の2つの未知の要因に依存するため、本質的に不明瞭である。
対象骨格を所望の位置に移動させ, スケールを正規化し, 両変数の関係を解消する, モジュラーで単純な高さ正規化法を提案する。
論文 参考訳（メタデータ） (2024-04-14T16:55:23Z) - Towards Robust and Expressive Whole-body Human Pose and Shape Estimation [51.457517178632756]
全体のポーズと形状の推定は、単眼画像から人体全体の異なる振る舞いを共同で予測することを目的としている。
既存の手法では、既存のシナリオの複雑さの下で、しばしば劣化したパフォーマンスを示す。
全身のポーズと形状推定の堅牢性を高める新しい枠組みを提案する。
論文 参考訳（メタデータ） (2023-12-14T08:17:42Z) - Generalizable Neural Performer: Learning Robust Radiance Fields for
Human Novel View Synthesis [52.720314035084215]
この研究は、一般のディープラーニングフレームワークを使用して、任意の人間の演奏者の自由視点画像を合成することを目的としている。
我々は、汎用的で堅牢な神経体表現を学習するシンプルな、かつ強力なフレームワーク、Generalizable Neural Performer(GNR)を提案する。
GeneBody-1.0とZJU-Mocapの実験は、最近の最先端の一般化可能な手法よりも、我々の手法の堅牢性を示している。
論文 参考訳（メタデータ） (2022-04-25T17:14:22Z) - 3D Human Pose, Shape and Texture from Low-Resolution Images and Videos [107.36352212367179]
本稿では,解像度認識ネットワーク,自己スーパービジョン損失,コントラスト学習スキームからなるrsc-netを提案する。
提案手法は1つのモデルで異なる解像度で3次元物体のポーズと形状を学習できる。
低解像度映像を扱うRSC-Netを拡張し、低解像度入力からテクスチャ化された3D歩行者の再構築に適用します。
論文 参考訳（メタデータ） (2021-03-11T06:52:12Z) - SelfPose: 3D Egocentric Pose Estimation from a Headset Mounted Camera [97.0162841635425]
頭部装着型VR装置の縁に設置した下向きの魚眼カメラから撮影した単眼画像から,エゴセントリックな3Dボディポーズ推定法を提案する。
この特異な視点は、厳密な自己閉塞と視点歪みを伴う、独特の視覚的な外観のイメージに繋がる。
本稿では,2次元予測の不確実性を考慮した新しいマルチブランチデコーダを用いたエンコーダデコーダアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-11-02T16:18:06Z) - Synthetic Training for Accurate 3D Human Pose and Shape Estimation in
the Wild [27.14060158187953]
本稿では,RGB画像からの単眼立体形状とポーズ推定の問題に対処する。
本研究では, シルエットや2次元関節などのプロキシ表現を形状と回帰ニューラルネットワークの入力として利用するシステムであるSTRAPSを提案する。
STRAPSは形状予測精度においてSSP-3Dの他の最先端手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-09-21T16:39:04Z) - 3D Human Shape and Pose from a Single Low-Resolution Image with
Self-Supervised Learning [105.49950571267715]
3次元人物形状とポーズ推定のための既存のディープラーニング手法は、比較的高解像度な入力画像に依存している。
本稿では,レゾリューション・アウェア・ネットワーク,セルフ・スーパービジョン・ロス,コントラッシブ・ラーニング・スキームからなるRCC-Netを提案する。
これら2つの新たなトレーニング損失は,3次元形状を学習し,弱教師ありの姿勢を示す。
論文 参考訳（メタデータ） (2020-07-27T16:19:52Z) - PaMIR: Parametric Model-Conditioned Implicit Representation for
Image-based Human Reconstruction [67.08350202974434]
本研究では,パラメトリックボディモデルと自由形深部暗黙関数を組み合わせたパラメトリックモデル記述型暗黙表現(PaMIR)を提案する。
本手法は, 挑戦的なポーズや衣料品のタイプにおいて, 画像に基づく3次元再構築のための最先端性能を実現する。
論文 参考訳（メタデータ） (2020-07-08T02:26:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。