Abstract：
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.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
广播电视网络
ISSN： 2096-806X
CN： 10-1686/TN
Year： 2021
Issue： 4
Volume： 28
Page： 34-38
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
