基于图卷积神经网络的人体三维重建
针对在人体三维重建任务中人体模型姿势参数的回归会出现不连续性或周期性的问题,以及生成的模型往往不能展现丰富的人体表面细节的问题.本文尝试使用神经网络从输入的原始图像中提取丰富的人体特征,并将所得特征融合到标准人体模型的网格顶点上,然后使用图卷积神经网络直接回归网格顶点的三维坐标,而不是回归人体姿势参数,这样就避免了回归姿势参数时遇到的问题.同时,为了使生成的模型能够体现更多的表面细节,本文介绍的方法还通过增加标准人体模型表面的顶点数量,并提取和利用图像中的几何深度信息,使得生成的模型表现力更强.实验结果表明本文阐述的方法能够使生成的人体三维模型关节误差更低,且模型表面细节更丰富.
图卷积神经网络、参数模型、图像特征、深度信息
28
本文受国家重点研发计划课题;广东省科技重大专项;福建省科技重大专项;广东省光信息材料与技术重点实验室开放基金资助项目
2021-05-24（万方平台首次上网日期，不代表论文的发表时间）
共5页
34-38
