標題：Lions and tigers and bears: Capturing non-rigid, 3d, articulated shape from images

鏈接：https://openaccess.thecvf.com/content_cvpr_2018/papers/Zuffi_Lions_and_Tigers_CVPR_2018_paper.pdf

本文是基于SMAL的改進，主要是增加了對個體的形狀優(yōu)化和紋理的貼合。

模型結構

如上圖所示，模型一共分為三個步驟：對齊到SMAL，個體形狀優(yōu)化，紋理貼合。?

對齊到SMAL

這里基本是照搬SMAL中的方案，只不過在擬合多角度圖像時，作者沒有要求所有視角共享同一個形狀參數(shù)，而是增加了一個不同視角間形狀參數(shù)的相似性約束，作者說這樣效果會更好。

對齊到SMAL的結果就是對SMAL中已有的動物種類表現(xiàn)的很好，但對齊沒有囊括的動物種類表現(xiàn)的就比較差。而且SMAL最大的問題是對每個類只有一個模板，比如胖老虎和瘦老虎都是擬合到同一個模板的，因此作者才提出了針對個體的優(yōu)化。

個體形狀優(yōu)化

為了將類模板進一步優(yōu)化來貼合每個個體，作者針對每個頂點都預測了一個位移量，通過這個位移量來進一步修正模型。而這里用的損失函數(shù)和SMAL中的擬合函數(shù)也是差不多的，包括了關鍵點，剪影，as-rigid-as-possible和對稱損失。除此以外作者還加了一個針對位移量的laplacian平滑，為了保證這些位移量不會為了擬合結果而產(chǎn)生局部的扭曲。

紋理貼合

這里作者事實上是從每個圖像中手動摳出來對應的紋理，然后匹配到對應的頂點上去的。而其面對的問題就在于有的部分是看不到的。而對于看不到的部分作者主要利用了模型的對稱性進行紋理補全，對于對稱也看不到的地方就直接使用平均值填充。

總結

以上是生活随笔為你收集整理的[CVPR2018](SMALR)Lions and tigers and bears: Capturing non-rigid, 3d, articulated shape from images的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。