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