GitHub项目“YuliangXiu/ECON”是一个用于从照片中获取高保真度的3D服装人物模型的工具,甚至可以处理松散的衣服和挑战性的姿势,并支持多人重建和基于SMPL-X的动画等功能。其核心思想是基于一种新型的优化方式,叫做Bilateral Normal Integration(BiNI)。该工具提供了多种安装方式和使用示例,可以支持多平台使用。该项目在CVPR 2023中被评为Highlight(前10%)。
### 摘要
本视频介绍了一种名为”Explicit Clothed humans Obtained from Normals”(CVPR 2023)的技术,可从单张图像中重建出带有服饰的3D人物模型,并在服饰上呈现出更细节化的皱纹。
### 亮点
– 💡 通过单张图像重建出带有服饰的3D人物模型,无论服饰种类如何
– 💡 结合了显式参数模型和深度隐式函数的优点,使得模型对于松散的服饰和复杂姿势具有更强的鲁棒性
– 💡 可以应用于有遮挡的多人图像,将人物缺失的部分用3D空间中的细节完整呈现
本技术针对服饰物体和人物不同部位具有不同拓扑的难点,通过复合处理流程,完成了从2D图像到3D模型的转化。与其他现有方法相比,”Explicit Clothed humans Obtained from Normals”不仅实现了对于物体详细皱纹的还原,同时提升了对于多人图像的应用效果以及遮挡物体的处理精度,为人物3D模型的构建提供了更理想的解决方案。
项目地址:
测试地址:
本文地址:https://www.163264.com/3101