文章目錄

• 一、論文結構
• • 摘要

一、論文結構

摘要

我們引入了像素對齊隱式函數（PIFu），這是一種隱式表示，它將二維圖像的像素與其對應的三維對象的全局上下文進行局部對齊。利用PIFu，我們提出了一種端到端的深度學習方法，可以從一幅圖像和多幅輸入圖像中推斷出三維表面和紋理。高度復雜的形狀，如發型，服裝，以及它們的變化和變形可以在一個統一的方式數字化。與用于三維深度學習的現有表示法相比，PIFu產生高分辨率的表面，包括基本上看不見的區域，如人的背部。與體素（體積元素）表示不同的是，它的存儲效率更高，可以處理任意拓撲結構，并且生成的曲面在空間上與輸入圖像對齊。此外，雖然先前的技術設計用于處理單個圖像或多個視圖，但PIFu自然地擴展到任意數量的視圖。我們展示了對來自DeepFashion數據集的真實世界圖像的高分辨率和健壯的重建，該數據集包含各種具有挑戰性的服裝類型。我們的方法在一個公開的基準上達到了最先進的性能，并且比以前從單個圖像進行服裝人體數字化的工作有更好的表現。

其他文章寫的很好，直接搬過來了，參考：
PIFu

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的【论文精读】PIFu: Pixel-Aligned Implicit Function for High-Resolution Clothed Human Digitization的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。