本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

一張隨便勾畫的草圖，居然也可以分分鐘自動變成逼真的3D模型？！

360° 無死角不說，轉(zhuǎn)換期間真的不需要任何其它角度姿勢的輸入。

這就是獲得了SIGGRAPH 2022榮譽獎的一個最新3D姿態(tài)估計模型：

Sketch2Pose。

除了草圖，像這樣的小猴子，四肢嚴重不按比例生長，Sketch2Pose也可以辦到：

這是如何做到的？

只要4步，草圖人變3D人

將草圖上的人物/形象變成3D模型，此前的研究中都還未專門涉及。

該任務最大的挑戰(zhàn)就是比例失真問題，因為畫上的東西可能頭大身子小、胳膊長腿短……

為此，Sketch2Pose通過對三個關鍵元素進行預測來消除繪制姿勢時的可能出現(xiàn)的“歧義”。

這三個元素分別是：

• 2D骨骼切線（2D bone tangents）
• 自接觸區(qū)域（self-contacts）
• 骨骼縮短比例（bone foreshortening）

其中，2D骨骼切線（下圖藍色部分）是預測3D骨骼方向最有力的指標（關節(jié)位置不行）。

自接觸區(qū)域（如下圖綠色部分，手接觸腰的位置）對于理解3D姿勢至關重要，也是消除未知身體部位歧義的線索。

骨骼縮短轉(zhuǎn)換系統(tǒng)則利用統(tǒng)計分析來糾正原圖中的比例問題。

根據(jù)這三者預測，再使用最先進的優(yōu)化框架（optimization framework），并用專門設計的一種新的損失（loss）來平衡姿勢自然度，以及與輸入草圖的相似性，AI就能最終推斷出符合畫者意向的3D姿勢。

具體步驟如下：

輸入一張草圖，首先預測出2D關節(jié)位置或骨架，用于3D人體模型的粗略對齊。

然后預測屏幕空間（screen-space）接觸區(qū)域，將其映射到粗略對齊的3D模型上，得到一組接觸頂點（紅色部分）。

接著，利用縮短轉(zhuǎn)換階段描述的草圖人物比例問題，進行修補。

最后，在優(yōu)化框架中利用2D骨架的骨骼切線、粗略對齊的3D姿勢以及比例修補，產(chǎn)生最終結(jié)果。

有遮擋缺失也OK

最終的Sketch2Pose可以支持多種草圖風格的轉(zhuǎn)換，比如下圖中的簡筆畫或者水墨畫，像下下圖最后一張那樣簡略的也可以。

同時，對缺失、遮擋部位也能穩(wěn)健處理。

比如上圖第一行中的人手（不過我們發(fā)現(xiàn)左邊的似乎推測有錯，手應該是放在兩腿之間；右邊的抱頭基本沒啥問題，但手掌應該向后彎曲）。

再將Sketch2Pose和SOTA方法進行比較，結(jié)果還是令人非常滿意的。

可以看到，Sketch2Pose（第三列）對姿勢還原的更到位，缺失部分的預測也更符合人體構造。

而開頭那只小猴子，Müller et al. 2021等方法的轉(zhuǎn)換效果就是下面這樣：

對于猴子“扭曲”的下肢部分，這些方法都出現(xiàn)了理解偏差——Sketch2Pose完勝。

作者介紹

Sketch2Pose一共有兩位作者，都來自加拿大蒙特利爾大學。

一作名叫Kirill Brodt (Кирилл Бродт)，出生于1991年，本碩畢業(yè)于新西伯利亞州立大學（數(shù)學學位），后在Yandex數(shù)據(jù)分析和計算機科學中心學院學習機器學習，現(xiàn)為蒙特利爾大學的一位博士生。

他的主要研究方向為跟草圖有關的計算機視覺轉(zhuǎn)換。

另一位作者名叫Mikhail Bessmeltsev，是一作的導師，蒙特利爾大學計算機科學與運籌學系的助理教授。

感興趣的同學可以戳論文原文，或者去Huggingface上試試效果。

論文原文：https://dl.acm.org/doi/10.1145/3528223.3530106

項目主頁：https://www-labs.iro.umontreal.ca/~bmpix/sketch2pose/

Huggingface demo：https://huggingface.co/spaces/SIGGRAPH2022/sketch2pose

Github代碼：https://github.com/kbrodt/sketch2pose