人體三維姿態(tài)重建在影視制作,游戲和人機(jī)交互領(lǐng)域有很多應(yīng)用,但是目前工業(yè)界中成熟的商業(yè)化解決方案大部分依靠動(dòng)作捕捉系統(tǒng)來實(shí)現(xiàn)三維姿態(tài)重建的,這種方案成本高昂,使得這種技術(shù)難以向一般的消費(fèi)者市場(chǎng)推廣。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,研究人員開始使用卷積神經(jīng)網(wǎng)絡(luò)來進(jìn)行三維姿態(tài)估計(jì)。但是深度學(xué)習(xí)方法需要大量帶三維姿態(tài)點(diǎn)標(biāo)注的訓(xùn)練數(shù)據(jù),而且數(shù)據(jù)集的標(biāo)注過程十分復(fù)雜繁瑣。針對(duì)上述問題,本論文提出了一種不需要三維姿態(tài)點(diǎn)標(biāo)注數(shù)據(jù),基于迭代優(yōu)化的人體三維姿態(tài)重建方法,減小了數(shù)據(jù)集采集難度和計(jì)算量,通過引入?yún)?shù)化人體模型來表示三維姿態(tài),僅需要估計(jì)低維的參數(shù)即可得到完整的人體模型。本論文的主要研究工作和成果包括以下幾點(diǎn):1)針對(duì)參數(shù)化人體模型在表示三維姿態(tài)重建結(jié)果時(shí)常常出現(xiàn)自相交的問題,本論文提出了一種具有線性時(shí)間復(fù)雜度的自相交約束算法。本論文的方法只需要遍歷一次模型中的三角形即可完成自相交區(qū)域的檢測(cè),然后通過使模型發(fā)生相應(yīng)的形變即可消除自相交現(xiàn)象。相對(duì)于傳統(tǒng)的人體自相交約束方法中將人體模型用多個(gè)簡(jiǎn)單幾何體近似的做法而言,本論文的方法具有更高的自相交檢測(cè)和約束精度。2)針對(duì)傳統(tǒng)可微分渲染器的梯度需要通過復(fù)雜的數(shù)值方... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 參數(shù)化人體模型
    1.3 可微分渲染及其在三維重建中的應(yīng)用
    1.4 基于深度學(xué)習(xí)的人體二維姿態(tài)估計(jì)
    1.5 基于深度學(xué)習(xí)的人體三維姿態(tài)估計(jì)
    1.6 三維人體姿態(tài)和形體重建
    1.7 研究?jī)?nèi)容與創(chuàng)新點(diǎn)
第二章 三維人體姿態(tài)重建的自相交約束研究
    2.1 研究背景介紹
    2.2 自相交約束算法描述
    2.3 參數(shù)化人體模型自相交約束實(shí)驗(yàn)
        2.3.1 單個(gè)參數(shù)化人體模型的自相交約束
    2.4 多個(gè)參數(shù)化人體模型相交約束實(shí)驗(yàn)
    2.5 三維人體姿態(tài)重建的自相交約束實(shí)驗(yàn)
    2.6 不同自相交約束方法之間的對(duì)比
        2.6.1 定性比較結(jié)果
        2.6.2 定量比較結(jié)果
    2.7 運(yùn)行時(shí)間分析
第三章 三維人體姿態(tài)重建中可微分渲染方法研究
    3.1 研究背景介紹
    3.2 可微分渲染的解析梯度表達(dá)式推導(dǎo)
    3.3 可微分渲染計(jì)算流程描述
    3.4 梯度可視化實(shí)驗(yàn)
第四章 基于可微分渲染和自相交約束的三維人體姿態(tài)重建
    4.1 實(shí)驗(yàn)配置介紹
        4.1.1 數(shù)據(jù)準(zhǔn)備工作
        4.1.2 三維人體重建方法描述
        4.1.3 三維姿態(tài)重建的量化指標(biāo)
    4.2 實(shí)驗(yàn)結(jié)果及分析
        4.2.1 不同方法的三維人體姿態(tài)重建可視化結(jié)果比較
        4.2.2 不同方法的三維人體姿態(tài)重建結(jié)果定量比較
        4.2.3 必要性分析
        4.2.4 運(yùn)行時(shí)間分析
第五章 總結(jié)與展望
    5.1 本論文研究?jī)?nèi)容總結(jié)
    5.2 本論文工作的不足與展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷
攻讀碩士學(xué)位期間主要的研究成果



本文編號(hào)：3198326