给AI一张高清照片，分分钟还你细节满满的3D人体模型，GitHub标星3.6k ｜ 在线可玩 点击上方，选择星标或置顶，不定期资源大放送！ 阅读大概需要15分钟 Follow小博主，每天更新前沿干货 手动对人体进行3D建模并非易事。 但现在，只给AI一张高清照片，它还真就能分分钟搞定这件事。 甚至还挺高清，衣服褶皱、面部表情，细节一点不少。 这项新研究来自南加州大学和Facebook，中选CVPR 2020。 并且已经在GitHub上开源，标星3.6k，还在一天内就涨了207颗星，登上GitHub热榜。 一起来看看，这究竟是如何实现的。 多级像素对齐隐式函数这只AI名叫PIFuHD，其基础框架是ICCV 2019上已经登场的像素对齐隐式函数PIFu。不过，PIFu以分辨率为512×512的图像作为输入，输出的3D模型分辨率不高。 为了得到高分辨率的输出，在这项研究中，研究人员在PIFu的基础之上，额外叠加了一个像素对齐的预测模块。 如图所示，顶部粗层次像素对齐预测器捕捉全局的3D结构。高分辨率的细节则由下面的Fine模块添加。 具体而言，fine模块将1024×1024的图像作为输入，并将其编码成高分辨率的图像特征（512×512）。 此后，高分辨率特征嵌入和第一个模块中得到的3D嵌入被结合起来，用以预测占位概率场。 为了进一步提高重建的质量和保真度，该方法还会在图像空间中预测正反两面的法线图，并将其作为额外的输入反馈给网络。 细节捕捉高手所以，跟前辈们相比，PIFuHD究竟进步了多少？ 研究人员在People Snapshot dataset数据集上将其与此前的SOTA方法进行了定性比较。 可以明显看出，由于PIFuHD充分利用了基础形状和精细形状，能够直接在像素级别上预测3D几何形状，它对输入图像的细节把握更加精准，重建出来的3D人体模型分辨率更高。 Demo可玩论文代码已经开源，并且，研究团队还在Colab上提供了在线试玩。 输入一张你自己的照片，几分钟之内就能收获一个数字3D的你。 真·3D建模师福音。 结合可以让3D模型动起来的Mixamo食用，网友们都玩嗨了。 赶快上手玩起来吧~ 最后，附上作者简介。 论文一作斋藤俊辅（Shunsuke Saito），目前在Facebook Reality Labs担任研究科学家，致力于深度人类数字化的有效数据表征研究。 他在南加州大学工作期间，曾与计算机图形学领域知名华人教授黎颢合作。 传送门GitHub地址： https://github.com/facebookresearch/pifuhd Demo地址： https://colab.research.google.com/drive/11z58bl3meSzo6kFqkahMa35G5jmh2Wgt?usp=sharing#scrollTo=afwL_-ROCmDf 重磅！DLer-计算机视觉交流2群已成立！ 大家好，这是DLer-计算机视觉微信交流2群！首先非常感谢大家的支持和鼓励，我们的计算机视觉交流群正在不断扩大人员规模！希望以后能提供更多的资源福利给到大家！欢迎各位Cver加入DLer-计算机视觉微信交流大家庭。 本群旨在学习交流图像分类、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。希望能给大家提供一个更精准的研讨交流平台！！！ 进群请备注：研究方向+学校/公司+昵称（如图像分类+上交+小明） ??长按识别添加，即可进群！