Hochgenaue 3D-Menschendigitalisierung aus einzelnen 2K-Auflösungsbildern

Eine hochwertige 3D-Rekonstruktion des menschlichen Körpers erfordert hochgenaue und umfangreiche Trainingsdaten sowie eine geeignete Netzwerkarchitektur, die die Hochauflösenden Eingabebilder effektiv nutzt. Um diese Herausforderungen zu bewältigen, schlagen wir eine einfache, aber effektive Methode zur 3D-Digitalisierung von Menschen vor, die als 2K2K bezeichnet wird. Diese Methode erstellt ein großes 2K-Datensatz von Menschen und leitet 3D-Menschmodelle aus 2K-Auflösungsbildern ab. Das vorgeschlagene Verfahren trennt die Wiederherstellung der globalen Form eines Menschen von dessen Details. Das Tiefen-Netzwerk mit niedriger Auflösung prognostiziert die globale Struktur aus einem Bild mit niedriger Auflösung, während das teilweise bildbasierte Normal-Netzwerk die Details der 3D-Körperstruktur vorhersagt. Das Hochauflösende Tiefen-Netzwerk kombiniert die globale 3D-Form und die detaillierten Strukturen, um hochaufgelöste Tiefenkarten der Vorder- und Rückseite zu erzeugen. Schließlich rekonstruiert ein standardmäßiger Gittergenerator das vollständige 3D-Menschmodell, das unter https://github.com/SangHunHan92/2K2K verfügbar ist. Darüber hinaus stellen wir für Forschungszwecke 2.050 3D-Menschmodelle bereit, einschließlich Texturkarten, 3D-Gelenken und SMPL-Parametern (SMPL: Skinned Multi-Person Linear Model). In Experimenten zeigen wir leistungsstarke Ergebnisse im Vergleich zu aktuellen Arbeiten auf verschiedenen Datensätzen.