畸变特征解耦与伪多视角约束的透视图像穿衣人体三维重建
Abstract
单张透视畸变图像的穿衣人体重建在虚拟试衣、数字人制作等应用中具有重要意义。然而，现有方法多采用正交或弱透视投影，忽略真实相机的成像规律，将深度简化为单一缩放因子，难以恢复透视畸变条件下真实的人体三维结构。为解决这一问题，本文提出一种面向透视图像的三维穿衣人体重建方法PerRec，通过畸变特征解耦与伪多视角约束缓解深度歧义与投影失真。方法上，首先利用均匀分块与虚拟视角变换解耦图像位置与透视畸变；随后设计多尺度注意力增强网络以强化局部细节表达；并将SMPL网格（skinned multi-person linear model）转化为傅里叶占有率场以提升高频几何重建能力；最后通过伪多视角模块模拟多视角特征以增强对畸变的鲁棒性。实验表明，PerRec在Thuman2.0和CustomHumans 数据集上均取得显著提升，在倒角距离、法线一致性和点到表面距离等指标上相较现有方法平均提升60%–80%。研究结果表明，本文方法能够有效解决单张透视图像下的结构失真问题，为真实场景中的高精度穿衣人体重建提供了可扩展的技术途径。
Fields of Study & Subjects
3D Shape Modeling and Analysis
Advanced Vision and Imaging
Face recognition and analysis
Publication details
- Journal / source
- Journal of Image and Graphics
- Volume
- 31
- Issue
- 8
- Pages
- 3001–3014
- Publication date
- 1 January 2026
- Language
- EN