摘要

本文提出了一种简单而有效的单张图像下鲁棒的3D人体网格重建方法，能够有效应对遮挡问题。尽管近年来诸多研究在人体网格重建方面取得了显著进展，但在人物之间相互遮挡的情况下，由于难以判断某一身体部位归属于哪个人体实例，仍难以生成准确的三维网格。为解决这一问题，本文提出了一种实例感知的对比学习机制。具体而言，目标人体的关节特征被训练为与锚点特征（即从人体中心位置提取的特征）保持相近；同时，不同人体实例的锚点特征则被强制拉远，以确保各人体的关节特征能够清晰地区分于彼此。通过基于该对比学习机制对关节归属关系进行建模，所提方法能够准确理解图像中每位人体的身体部位空间占据情况，从而在多人严重重叠的复杂场景下仍可重建出可靠的三维人体网格。在基准数据集上的实验结果表明，与以往方法相比，本文方法在人物间遮挡场景下展现出更强的鲁棒性。代码与模型已公开发布于：https://github.com/DCVL-3D/InstanceHMR_release。