利用人体测量数据改善人类网格估计并确保一致的体型
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了现有的人类网格估计模型在视频帧之间体型不一致的问题。作者提出了一种名为A2B的模型，通过利用人体测量数据生成更一致的体型参数，同时结合精细调整的3D人类姿态估计模型进行反向运动学处理，显著提升了模型的性能，并在多个挑战性数据集上降低了误差。此工作对提高人类网格估计的准确性和一致性具有重要意义。
我们开发了一种新的人体模型，利用大量人体测量数据生成多种形状和姿势。该模型通过深度生成架构，仅用合成数据训练，能在任意姿势下提供准确的人体网格表示。训练使用了10万个程序生成的姿势网格，可生成数百万个独特的人体身份和姿势，适用于学术研究。
