論文の概要: Adjustable Method Based on Body Parts for Improving the Accuracy of 3D
Reconstruction in Visually Important Body Parts from Silhouettes
- arxiv url: http://arxiv.org/abs/2211.14822v1
- Date: Sun, 27 Nov 2022 13:25:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 18:32:33.498107
- Title: Adjustable Method Based on Body Parts for Improving the Accuracy of 3D
Reconstruction in Visually Important Body Parts from Silhouettes
- Title(参考訳): シルエットの視覚的重要部位における3次元再構成の精度向上のための身体部品の調整法
- Authors: Aref Hemati, Azam Bastanfard
- Abstract要約: 本研究は,前後のシルエットから立体形状を復元する新しい調整可能なアルゴリズムを提案する。
まず,両視点の身体分割を用いて,対応する身体部分を認識する。
次に,各部位を2次元剛性登録で整列し,ペアマッチングを用いてマッチングする。
- 参考スコア(独自算出の注目度): 4.378411442784295
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This research proposes a novel adjustable algorithm for reconstructing 3D
body shapes from front and side silhouettes. Most recent silhouette-based
approaches use a deep neural network trained by silhouettes and key points to
estimate the shape parameters but cannot accurately fit the model to the body
contours and consequently are struggling to cover detailed body geometry,
especially in the torso. In addition, in most of these cases, body parts have
the same accuracy priority, making the optimization harder and avoiding
reaching the optimum possible result in essential body parts, like the torso,
which is visually important in most applications, such as virtual garment
fitting. In the proposed method, we can adjust the expected accuracy for each
body part based on our purpose by assigning coefficients for the distance of
each body part between the projected 3D body and 2D silhouettes. To measure
this distance, we first recognize the correspondent body parts using body
segmentation in both views. Then, we align individual body parts by 2D rigid
registration and match them using pairwise matching. The objective function
tries to minimize the distance cost for the individual body parts in both views
based on distances and coefficients by optimizing the statistical model
parameters. We also handle the slight variation in the degree of arms and limbs
by matching the pose. We evaluate the proposed method with synthetic body
meshes from the normalized S-SCAPE. The result shows that the algorithm can
more accurately reconstruct visually important body parts with high
coefficients.
- Abstract(参考訳): 本研究は,前後のシルエットから立体形状を復元する新しい調整可能なアルゴリズムを提案する。
最近のシルエットベースのアプローチでは、シルエットとキーポイントによって訓練されたディープニューラルネットワークを使用して形状パラメータを推定するが、モデルが体輪郭に正確に適合することができないため、特に胴体において詳細な体形状をカバーできない。
また、ほとんどのケースでは、体部が同じ精度の優先事項を持ち、最適化を困難にし、仮想着付けなど、ほとんどの用途で視覚的に重要な胴体など、必須の身体部品に最適な結果をもたらすのを避ける。
提案手法では、投影された3D体と2Dシルエット間の各体部距離の係数を割り当てることで、我々の目的に基づいて、各体部の予測精度を調整できる。
この距離を測定するために、まず両視点で体分割を用いて対応する体部を認識する。
次に,各部位を2次元剛性登録で整列し,ペアマッチングを用いてマッチングする。
目的関数は、統計モデルパラメータを最適化することにより、距離と係数に基づいて両視点における個々の身体部位の距離コストを最小化しようとする。
また、ポーズを合わせることで腕と手足の幅のわずかな変化も処理します。
正規化S-SCAPEから合成体メッシュを用いて提案手法を評価する。
その結果, 視覚的に重要な身体部位を高い係数で高精度に再現できることがわかった。
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) - Reconstructing 3D Human Pose from RGB-D Data with Occlusions [11.677978425905096]
本稿では,RGB-D画像から3次元人体をオクルージョンで再構成する手法を提案する。
そこで本研究では,シーン情報と事前知識に基づいて,意味的かつ物理的に妥当な人体を再構築し,解決空間を縮小することを提案する。
提案手法は, ProXデータセットを用いて実験を行い, 提案手法が他の手法と比較して精度が高く, 妥当な結果が得られることを示した。
論文 参考訳(メタデータ) (2023-10-02T14:16:13Z) - Cloth2Body: Generating 3D Human Body Mesh from 2D Clothing [54.29207348918216]
Cloth2Bodyは、入力の部分的な観察と出力の多様性によって引き起こされる新しい課題に対処する必要がある。
本稿では,2次元衣料品画像のポーズと形状によってパラメータ化された3Dボディメッシュを高精度に推定できるエンドツーエンドフレームワークを提案する。
実験結果から示されるように,提案手法は最先端の性能を実現し,自然および多様な3Dボディメッシュを2次元画像から効果的に回収することができる。
論文 参考訳(メタデータ) (2023-09-28T06:18:38Z) - Shape of You: Precise 3D shape estimations for diverse body types [5.037272815698192]
本稿では,視覚に基づく衣服レコメンデーションシステムにおける3次元体形推定の精度向上のためのアプローチを提案する。
パラメトリックな3次元再構成パイプラインに容易に統合できる2つの損失関数を提案する。
SSP-3Dデータセットでは,最近のSHAPY法よりも17.7%向上した。
論文 参考訳(メタデータ) (2023-04-14T20:53:16Z) - LatentHuman: Shape-and-Pose Disentangled Latent Representation for Human
Bodies [78.17425779503047]
本稿では,人体に対する新しい暗黙の表現法を提案する。
完全に微分可能で、非交叉形状で最適化可能であり、潜在空間を映し出す。
我々のモデルは、よく設計された損失を伴う、水密でない生データを直接訓練し、微調整することができる。
論文 参考訳(メタデータ) (2021-11-30T04:10:57Z) - Detailed Avatar Recovery from Single Image [50.82102098057822]
本稿では,単一画像からエンフデテールアバターを回収するための新しい枠組みを提案する。
階層的メッシュ変形フレームワークでは、ディープニューラルネットワークを使用して3次元形状を洗練しています。
本手法は,皮膚モデルを超えて,完全なテクスチャで詳細な人体形状を復元することができる。
論文 参考訳(メタデータ) (2021-08-06T03:51:26Z) - 3D Human Body Reshaping with Anthropometric Modeling [59.51820187982793]
人間測定パラメータから正確で現実的な3D人体を再構築することは、個人識別、オンラインショッピング、仮想現実のための基本的な課題です。
このような3d形状を作る既存のアプローチは、レンジカメラやハイエンドスキャナーによる複雑な測定に苦しむことが多い。
本稿では,各ファセットに対する自動人為的パラメータモデリングを可能にする,特徴選択に基づく局所マッピング手法を提案する。
論文 参考訳(メタデータ) (2021-04-05T04:09:39Z) - Monocular Human Pose and Shape Reconstruction using Part Differentiable
Rendering [53.16864661460889]
近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。
本稿では,ボディセグメンテーションを重要な監視対象として紹介する。
部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
論文 参考訳(メタデータ) (2020-03-24T14:25:46Z) - HEMlets PoSh: Learning Part-Centric Heatmap Triplets for 3D Human Pose
and Shape Estimation [60.35776484235304]
本研究は, 中間状態部分熱マップトリプレット(HEMlets)を導入し, 検出された2次元関節を三次元空間に持ち上げる不確実性に対処しようとするものである。
HEMletsは3つのジョイントヒートマップを使用して、各骨格体部に対するエンドジョイントの相対的な深さ情報を表す。
Convolutional Network (ConvNet) は、入力画像からHEMletを予測し、次にボリュームのジョイント・ヒートマップレグレッションを学習する。
論文 参考訳(メタデータ) (2020-03-10T04:03:45Z)
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。