摘要
我们提出了一种用于将三维人体形状拟合到图像中的新型算法。该算法结合了基于梯度的迭代优化技术在精度与精细化方面的优势，以及深度神经网络在鲁棒性方面的优点，设计了一种梯度下降算法，利用神经网络在每一步迭代中预测参数的更新规则。这种针对每个参数且具备状态感知能力的更新机制，使优化器能够在极少数步骤内快速收敛至高质量解。在训练阶段，本方法仅需通过SMPL参数化的人体姿态动捕（MoCap）数据，网络由此学习到一个有效的姿态与形状子空间，从而在该子空间内进行优化，显著提升了优化效率。该方法无需任何难以获取的图像到三维对应关系。在测试阶段，我们仅需优化二维关键点的重投影误差，无需引入额外的先验信息或正则化项。实验结果表明，该算法具有极高的运行速度（平均120毫秒即可收敛）、对初始化和数据集具有良好的鲁棒性，并在多个公开评估数据集上取得了当前最先进的性能，包括具有挑战性的3DPW野外场景基准（相较于SMPLify提升45%），其表现甚至接近那些依赖图像到三维对应关系的方法。