論文の概要: Super-resolution 3D Human Shape from a Single Low-Resolution Image
- arxiv url: http://arxiv.org/abs/2208.10738v1
- Date: Tue, 23 Aug 2022 05:24:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-24 13:21:14.862886
- Title: Super-resolution 3D Human Shape from a Single Low-Resolution Image
- Title（参考訳）: 低解像度画像からの超高解像度3次元人体形状
- Authors: Marco Pesavento, Marco Volino and Adrian Hilton
- Abstract要約: 単一の低解像度入力画像から超解像形状を再構成する新しい枠組みを提案する。
提案するフレームワークは,高精細な暗黙関数を持つ再構成形状を表す。
- 参考スコア（独自算出の注目度）: 33.70299493354903
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a novel framework to reconstruct super-resolution human shape from
a single low-resolution input image. The approach overcomes limitations of
existing approaches that reconstruct 3D human shape from a single image, which
require high-resolution images together with auxiliary data such as surface
normal or a parametric model to reconstruct high-detail shape. The proposed
framework represents the reconstructed shape with a high-detail implicit
function. Analogous to the objective of 2D image super-resolution, the approach
learns the mapping from a low-resolution shape to its high-resolution
counterpart and it is applied to reconstruct 3D shape detail from
low-resolution images. The approach is trained end-to-end employing a novel
loss function which estimates the information lost between a low and
high-resolution representation of the same 3D surface shape. Evaluation for
single image reconstruction of clothed people demonstrates that our method
achieves high-detail surface reconstruction from low-resolution images without
auxiliary data. Extensive experiments show that the proposed approach can
estimate super-resolution human geometries with a significantly higher level of
detail than that obtained with previous approaches when applied to
low-resolution images.
- Abstract（参考訳）: 単一の低解像度入力画像から超解像形状を再構成する新しい枠組みを提案する。
このアプローチは、高精細な形状を再構築するために表面正常やパラメトリックモデルなどの補助データとともに高解像度の画像を必要とする1枚の画像から3d人間の形状を再構築する既存のアプローチの限界を克服する。
提案するフレームワークは,高精細な暗黙関数を持つ再構成形状を表す。
2次元画像の超解像と類似して、低解像度形状から高解像度形状への写像を学習し、低解像度画像から3次元形状の詳細を再構成する。
この手法は, 3次元表面形状の低分解能と高分解能の両面から失われる情報を推定する新しい損失関数を用いて, エンドツーエンドに訓練される。
本手法は, 補助データのない低解像度画像から高精細な表面再構成を実現することを示す。
広汎な実験により, 提案手法は, 低解像度画像に適用した場合の従来の手法に比べて, 超高精細度で推定できることがわかった。
関連論文リスト
- High Resolution Surface Reconstruction of Cultural Heritage Objects Using Shape from Polarization Method [0.0]
アクティブな手法の欠点のない受動的手法として, 偏光法からの形状について検討した。
偏光から得られる情報を用いて、深度マップの解像度を劇的に向上させることができる。
偏光法と光グラム法の融合は高分解能な3次元再構成を実現するための適切な解である。
論文 参考訳（メタデータ） (2024-06-21T13:14:48Z) - Anti-Aliased Neural Implicit Surfaces with Encoding Level of Detail [54.03399077258403]
本稿では,高頻度幾何細部リカバリとアンチエイリアス化された新しいビューレンダリングのための効率的なニューラル表現であるLoD-NeuSを提案する。
我々の表現は、光線に沿った円錐状のフラストラム内の多面体化から空間特徴を集約する。
論文 参考訳（メタデータ） (2023-09-19T05:44:00Z) - Disjoint Pose and Shape for 3D Face Reconstruction [4.096453902709292]
本稿では,ポーズと形状の相違を解消し,最適化を安定かつ正確にするためのエンドツーエンドパイプラインを提案する。
提案手法は, エンドツーエンドのトポロジ的整合性を実現し, 反復的な顔ポーズ改善を可能とし, 定量的および定性的な結果の両面で顕著な改善を示した。
論文 参考訳（メタデータ） (2023-08-26T15:18:32Z) - High-Resolution Volumetric Reconstruction for Clothed Humans [27.900514732877827]
本稿では,1～6RGB画像のスパース集合から,衣服の人間を再構築する新しい手法を提案する。
提案手法は,P2S法の平均点通過精度を50%以上削減し,約2mmの精度を512容積分解能で達成する。
論文 参考訳（メタデータ） (2023-07-25T06:37:50Z) - SIDER: Single-Image Neural Optimization for Facial Geometric Detail
Recovery [54.64663713249079]
SIDERは、教師なしの方法で単一の画像から詳細な顔形状を復元する新しい光度最適化手法である。
以前の作業とは対照的に、SIDERはデータセットの事前に依存せず、複数のビュー、照明変更、地上の真実の3D形状から追加の監視を必要としない。
論文 参考訳（メタデータ） (2021-08-11T22:34:53Z) - 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) - Detailed 3D Human Body Reconstruction from Multi-view Images Combining
Voxel Super-Resolution and Learned Implicit Representation [12.459968574683625]
多視点画像から詳細な3次元人体を再構築する粗い方法を提案する。
粗い3Dモデルは、マルチスケールな特徴に基づいて暗黙表現を学習することによって推定される。
洗練された3D人体モデルは、詳細を保存できるボクセル超解像によって製造することができる。
論文 参考訳（メタデータ） (2020-12-11T08:07:39Z) - Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。
ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。
提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
論文 参考訳（メタデータ） (2020-08-18T06:33:40Z) - 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) - PIFuHD: Multi-Level Pixel-Aligned Implicit Function for High-Resolution
3D Human Digitization [38.6438956631446]
画像に基づく3次元人物形状推定の最近の進歩は、ディープニューラルネットワークによる表現力の大幅な向上によって引き起こされている。
正確な予測には大きなコンテキストを必要とするが、正確な予測には高解像度が必要である。
我々は、エンド・ツー・エンドのトレーニングが可能なマルチレベルアーキテクチャを定式化し、粗いレベルで画像全体を低解像度で観察し、全体論的推論に焦点を当てる。
提案手法は,1k分解能入力画像の完全活用により,既存の画像形状復元技術よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-04-01T13:52:53Z)
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。