绑定手机号
获取验证码
确认绑定
提问
0/255
提问
订阅开课提醒需关注服务号
回答成功
知道了
扫码关注智东西公开课服务号登录
请使用微信扫描二维码
扫描二维码分享给微信好友
您已订阅成功,有新课程,我们将第一时间提醒您。
知道了
发送提问成功
回答可在
“我的——我的提问”中查看
知道了
失败
欢迎来智东西
关注我们
智东西
车东西
芯东西
智东西公开课
摆脱标签依赖的分部件三维人体重建与驱动
AI新青年讲座 2022/12/09 19:00:00
课程讲师
钱深瀚 慕尼黑工业大学 视觉计算实验室在读博士

师从Matthias Niessner教授,硕士毕业于上海科技大学信息学院高盛华教授课题组;主要研究方向为人体行为、形象的重建与合成,相关工作发表于ICCV、ECCV、3DV等会议。

钱深瀚
慕尼黑工业大学 视觉计算实验室在读博士

师从Matthias Niessner教授,硕士毕业于上海科技大学信息学院高盛华教授课题组;主要研究方向为人体行为、形象的重建与合成,相关工作发表于ICCV、ECCV、3DV等会议。

课程提纲
  • 现有人体重建与驱动方法
  • 分部件三维人体重建难点
  • 摆脱标签依赖的人体重建与驱动算法UNIF
  • 三维人体重建与驱动效果
课程简介

在人体重建与驱动领域,分部件重建的方法目前还缺乏探索。这类方法为人体每个部位学习一个独立的全连接网络,将网络表达的形状绑定在各个骨骼上,保持形体的局部刚性。然而分部件重建的方法往往需要部件划分的标注数据,应用场景受到些许限制,同时相邻部件之间的融合也很困难,不可避免地出现部件的重叠或断裂,在动作泛化能力上始终劣于整体重建的方法。

为此,在今年的ECCV上,慕尼黑工业大学视觉计算实验室在读博士钱深瀚等人提出一种分部件人体重建和驱动算法UNIF,借助简洁有效的初始化和正则化手段,摆脱对部件划分标签的依赖。

同时,为了避免推广至新动作时部件的重叠或断裂问题,钱深瀚博士等人还提出了邻接部件缝合算法APS,通过显式的建模相邻部件之间的相互作用,来维持部件之间的稳定连接,提升分部件重建方法对新动作的泛化能力。在CAPE和ClothSeq两个数据集上的实验表明,UNIF能够自然逼真的重建和驱动三维人体。

12月9日晚7点,「AI新青年讲座」第180讲邀请到UNIF一作、慕尼黑工业大学视觉计算实验室在读博士钱深瀚参与,主讲《摆脱标签依赖的分部件三维人体重建与驱动》。

精彩问答
提问
提问
目前还没有问题,可以点击右侧的“提问按钮”提问
更多问题...