Hypochondria.-CSDN博客

原创点云表面重建经典算法-四面体剖分+图割

二维三角剖分在三维上的推广，其基本的组成单元为四面体(cell)，由四个顶点（vertex），四个面（face），6个边（edge）组成。对于一组三维散点，其四面体剖分可以看成是对其凸包的一个划分，而划分的基本结构为四面体。多个四面体间的关系是要么不相交，要么共享一个共同的面（face）、一条边（edge）或一个顶点（vertex当然这个剖分还满足一些其它的性质，这里只做形象的理解就不做介绍了。图1中展示了对一个球和正方体的四面体剖分[4]。注意face是一个三角形。

2025-02-24 08:51:30 811

原创基于非参数化模型的三维人体重建-PIFu

本文对基于深度学习的非参数化三维人体重建算法之一－PIFu做一个简要的介绍。如有错误，欢迎评论指正。

2025-02-14 08:45:06 396

原创基于非参数化模型的三维人体重建-RGBD Fusion类

场景均为相机固定人体转动，也就是算法的输入为多视角下的人体RGBD图，核心在于配准算法。无任何先验，将重建问题看作是一个纯纯的配准问题，也可适用于一般物体。扫描多视角无需多说，而在单视角情况下，论文利用了kinect v1的马达采集了多张RGBD图，为的是覆盖更多的人体区域，因此也就多了下面单视角融合一步。单视角融合与分割1）对单个视角下的多帧点云进行刚性ICP配准，然后进行泊松重建得到单视角下的完整人体点云。

2025-02-13 09:17:53 587

原创一文了解Gsussian Splating在在渲染效果、动态场景、场景重建、大场景如自动驾驶等方向上的改进思路

继之前后，本文记录下笔者最近关于3DGS在渲染效果、动态场景、场景重建、大场景如自动驾驶等方向上的算法阅读笔记。如有错误，欢迎评论指正。

2025-02-12 09:05:50 866

原创基于稀疏动捕捉标记点的三维参数化人体重建-mosh

所谓动捕标记点，也就是光学标记点，在相机拍摄下具有明显的反光特性，易于从图像中获取其位置，进而通过深度恢复的方法获取其三维坐标。此外，笔者之前已发过的很多基于参数化人体的重建文章，均归类为三维人体重建，其实更细分点，归类为三维人体体型+动作捕捉更合适。图1.所采用的标记点包含标准的47个黄色表示的Vicon标记点，外加20个橙色标记点，共67个标记点（注：白色点是论文中证明冗余的标记点）图2.默认标记点、潜在标记点和模拟标记点示意参数化人体SβθγSβθγβ\betaβθ。

2025-02-11 08:00:00 972

原创基于IMU传感器+SMPL模板三维人体姿态捕捉方法SIP

本文对基于IMU传感器+SMPL模板三维人体姿态捕捉方法SIP[1]做一个介绍。由于采用的是传统优化方法同时优化所有帧，此方法无法实时为离线方法。如有错误，欢迎评论指正。

2025-01-24 09:13:04 734

原创基于SMPL的三维人体重建-深度学习经典方法之VIBE

本文以开源项目VIBE[1-2]为例，介绍下采用深度学习和SMPL模板的从图片进行三维人体重建算法的整体流程。如有错误，欢迎评论指正。

2025-01-23 08:53:12 1045

原创基于SMPL的三维人体重建-传统优化方法SMPLify

本文基于SMPLify[1-2]开源项目，对采用传统优化方法和SMPL模板的从图片进行三维人体重建算法的整体流程做一个介绍。其中关于姿态的高斯先验以及碰撞部分的代码，笔者也不是非常理解，欢迎评论指教。

2025-01-22 08:00:00 922

原创基于SMPL的三维人体重建-SMPL模型的计算与构建

SMPL（Skinned Multi-Person Linear Model）是一种裸体的、基于顶点的人体三维模型，能够精确地表示人体的不同形状和姿态。SMPL模型含有N6890N=6890N6890个顶点，137761377613776个面片，K24K=24K24232323个关节点+111个根节点），模型参数由ΦT‾WSJPΦTWSJPT‾TR3NR^{3N}R3N，人体平均网格模型WWRN×KR^{N×K}RN×K。

2025-01-21 08:00:00 968

原创 3DDFA：深度学习在三维人脸重建中的经典应用与代码解析

本文主要基于开源项目3DDFA[1]，对采用深度学习训练方法的3DMM模板人脸重建算法整体流程做一个介绍。如有错误，欢迎评论指正。

2025-01-17 10:13:35 1055

原创 Face2face：非深度学习时代如何进行实时的三维人脸重建

本文主要基于开源项目Face2face[1]（中间会提及到face3d[2]和eos[3]），对采用传统优化方法从二维图片拟合3DMM的三维人脸重建算法整体流程做一个介绍。由于项目作者没有给出参考文献，笔者是从代码推论出来的整个算法，如有错误，欢迎指正。

2025-01-17 10:04:46 998

原创深入浅出3DMM：构建人脸模型的核心技术揭秘

本文基于LSFM[1-3],对于如何从原始扫描获得的3D人脸数据中获得3DMM的基底做一个介绍。如有错误，欢迎评论指正。

2025-01-16 09:53:43 1038

原创基于梯度光的超高精度三维人脸重建

本文记录下笔者对一直以来很感兴趣的LightStage项目[2]，即基于梯度光照的的三维人脸重建技术的粗浅理解[1]。该技术不光重建精度可达亚毫米级别，纹理也可达到以假乱真的程度。当然该技术也不仅限于人脸重建，人体重建也是可以的，比如谷歌的Relightables[11]。

2024-12-23 08:00:00 1030

原创一文了解NeRF在速度效果、动态、少视角泛化、无界和大场景等方向上的改进思路

本文记录下笔者最近对NeRF在速度效果、动态、少视角泛化、无界和大场景五个大方向上经典改进算法的学习理解。如有错误，欢迎评论指出。

2024-10-29 13:27:29 1639

原创 NeRF里的forward facing

一直以来笔者对NeRF里提到的forward facing指的是什么很困惑，网上也鲜有关于这个问题的回答，这里记录下笔者的发现，如有错误，欢迎评论指出。这里涉及到5种不同的相机拍摄方式，具体来说：原始NeRF主要应对的拍摄方式。形象来说就是你拿着手机正对着场景来拍摄，但是要前后距离变化浮动较小，如图1所示。严格定义来说指的是相机z轴只能在xy平面（z=0）移动，如图2和图3上所示。当然根据论文[3]提到的，容忍高达 ±20° 的旋转和±20% 的平移扰动，如图3下所示。图1.forward facing图

2024-10-20 07:00:00 688

原创 DynamicFusion：如何将KinectFusion算法扩展到动态的三维重建场景

本文对DynamicFusion[1]做个简介，注意需要结合笔者上一篇关于KinectFusion的文章共同食用[5]。如有错误，欢迎评论指正。

2024-10-10 08:00:00 715

原创 KinectFusion：RGBD深度相机在高精度三维重建中的经典应用

算法核心在于维护一个场景的（如图1所示，volume可以想象为一个空间包围盒，由多个voxel（体素）组成，其中包含了我们想要重建的场景），通过把当前视角下拍摄的局部场景的点云和颜色不断融合进该volume内，完成对场景的各视角覆盖和补全，最后从中提取网格及颜色即完成了三维重建。图1.示意。

2024-10-09 22:28:09 1832 2

原创深度学习调参最全经验总结

本文结合自身工作和网上诸多炼丹者的经验，按不同模块梳理了有关深度学习调参的大量经验心得。特别地，加黑部分是笔者在实际项目中验证有效的。如有侵权请联系删除，如有错误欢迎评论指出。

2024-10-06 10:55:50 4178 4

原创基于SMPLX模板的单目三维人体完整动作捕捉的最新研究进展

本文简单记录下几篇基于SMPLX模板的完整三维人体动作捕捉算法（即同时包含人脸、人手和身体部位），不涉及具体细节。其中，前三篇为Top-Down, Multi-Stage，中间两篇为Top-Down, One-Stage，最后一篇为All-in-One-Stage Method。如有错误，欢迎评论指正。

2024-09-29 20:46:52 1099