摘要

近年来，基于单张图像的三维人体形状重建取得了显著进展，其核心在于利用深度网络建模所谓的隐式函数，以学习空间中任意密集三维点的占据状态。然而，尽管当前基于该范式的算法（如PiFuHD）能够准确估计人体形状及衣物的几何结构，仍存在一些局限：它们依赖高分辨率输入图像，且难以处理复杂的肢体姿态。现有方法的训练与评估大多基于人站在摄像头前、处于中性姿态的1024×1024分辨率图像。本文利用公开可获取的数据，将现有的基于隐式函数的模型扩展至能够处理任意姿态、包含自遮挡肢体的人体图像。我们指出，隐式函数的表达能力不足以同时精确建模几何细节与复杂人体姿态。为此，我们提出一种粗到精的重建策略：首先，学习一个隐式函数，将输入图像映射为具有较低细节层次但能正确拟合复杂人体姿态的三维人体形状；随后，基于平滑后的表面和输入图像，学习一个位移图，用于编码衣物与身体的高频细节。实验结果表明，该粗到精策略在形状细节与姿态准确性之间实现了极佳的平衡，性能优于当前最先进的方法。相关代码将公开发布。