- …
- …
#816
summarized by : Naoya Chiba
どんな論文か？
人体モデル全体のパラメータではなくメッシュの頂点を直接推定することで，単眼画像から人体のメッシュの形状を推定する．メッシュの各頂点の変形の推定としてGraph-CNNを用いることで実現．さらにパラメトリックなモデルであるSMPL Parameterによる表現と合わせることでより性能が向上する．
新規性
画像から低次元の特徴量を抽出し人体のテンプレートメッシュの各頂点に割り当てた後，Graph CNNで頂点ごとの特徴量に変換する．この特徴量から各頂点の変形を推定する．このメッシュの変形に加え，入力画像と整合するように関節位置についてもロスを考える．
結果
Human3.6MとUP-3Dで評価しSOTA達成．パラメトリックな手法であるSMPLと比較しても再構成誤差は小さくなったが，SMPLと組み合わせることでより小さい再構成誤差を実現している．
その他（なぜ通ったか？等）
- …
- …