【技术实现步骤摘要】
一种基于多特征融合的单张图像三维服装重建方法
[0001]本专利技术涉及服装建模领域,特别是一种基于多特征融合的单张图像三维服装重建方法。
技术介绍
[0002]目前在三维服装重建的专利上,有刘骊等申请的(1)一种基于款式描述符的三维服装建模方法(申请号:CN201510223375.9),王平申请的(2)基于双视点三维重建技术以实现网店服装试穿的装置(申请号:CN201820002012.1)以及刘烨斌等申请的(3)基于服装建模与仿真的视频人体三维重建方法及装置(申请号:CN201910507845.2)。但这些专利涉及到的三维服装重建技术都需要更多更复杂的辅助设备和数据。
[0003]基于深度学习的方法的最新进展已经实现了单视图穿戴体重建,相关论文有:(1)Tang S,Tan F,ChengK,Li Z,Zhu S,Tan P.A neural network for detailed human depth estimation from a single image[J].In:Proceedings of the IEEE International Conference on ComputerVision(2019).和(2)AlldieckT,Pons
‑
Moll G,Theobalt C,Magnor M.Tex2shape:Detailed full human body geometry from a single image[J].In:IEEE Internatio ...
【技术保护点】
【技术特征摘要】
1.一种基于多特征融合的单张图像三维服装重建方法,其特征在于:包括,建立二维图像到三维网格之间的关系;提取RGB图像中人体轮廓和服装语义分割特征;将提取的特征进行融合后输入网络,在网络中输出参数的预测结果;将预测得到的参数进行模板网格变形,使人体形状、姿态和服装尺寸趋向目标网格;结合变形后的服装网格和人体网格,输出结果。2.如权利要求1所述的基于多特征融合的单张图像三维服装重建方法,其特征在于:将人体M
b
(
·
)和服装M
g
(
·
)网格模型进行参数化表示,使用包括SMPL模型参数,服装轮廓参数α,以及服装模板的特征线参数L来表示三维人体网格和三维服装网格,SMPL模型参数包括形状参数β和姿态参数θ,其中服装轮廓参数α∈R
64
,形状参数β∈R
10
,姿态参数θ∈R
72
。3.如权利要求1或2所述的基于多特征融合的单张图像三维服装重建方法,其特征在于:人体网格模型M
b
(
·
)通过如下公式表示,M
b
(β,θ)=W(T
b
(β,θ),J(θ),θ,W
b
)服装网格模型M
g
(
·
)通过如下公式表示,M
g
(β,θ,α,L)=W(T
g
(β,θ,α,L),J(θ),θ,W
g
(α,β))人体模板变形后网格T
b
通过如下公式表示,T
b
(β,θ)=T
′
b
+B
s
(β)+B
p
(θ)其中,W(
·
)表示标准蒙皮操作,从点云变成网格,J表示人体骨骼点,W
b
表示人体网格顶点蒙皮权重,W
g
表示服装网格顶点权重,T
g
表示服装模板变形后网格,T
′
g
表示服装模板基础网格,B
s
(
·
)表示人体网格形状变形,B
p
(
·
)表示人体网格姿态变形。4.如权利要求3所述的基于多特征融合的单张图像三维服装重建方法,其特征在于:输入一张二维穿衣人体的RGB图像,通过目标检测、轮廓提取和语义分割子网络模型提取图像中人体轮廓和服装语义分割特征。5.如权利要求4所述的基于多特征融合的单张图像三维服装重建方法,其特征在于:特征提取模块的整体损失通过如下公式表示,L1=a
·
L
seg
+b
·
L
edge
其中L1表示特征提取模块的整体损失,L
seg
表示语义分割损失,L
edge
表示轮廓预测损失,a和b表示损失权重。6.如权利要求5所述的基...
【专利技术属性】
技术研发人员:陈丽芳,苏将沪,谢振平,刘渊,陆菁,张晓婷,
申请(专利权)人:江南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。