#机器学习#今日 Paper | 二氧化碳排放预测；3D人脸重建；BERTology入门；动态场景重建等( 二 ) |人工智能|文章|国创上头条|

本文插图

本文插图
DymSLAM：基于几何运动分割的动态场景重建论文名称：DymSLAM:4D Dynamic Scene Reconstruction Based on Geometrical Motion Segmentation
作者：Chenjie Wang /Bin Luo /Yun Zhang /Qing Zhao /Lu Yin /Wei Wang /Xin Su /Yajun Wang /Chengyuan Li
发表时间：2020/3/10
论文链接：https://paper.yanxishe.com/review/13904?from=leiphonecolumn_paperreview0327
推荐原因
大多数SLAM算法都是基于静态场景假设，但实际情况下大多数场景都是动态的，包含动态对象，因此此类方法都不适用。
本文提出了DymSLAM ，一种基于动态立体实际SLAM系统，能够重建包含刚性运动对象的4D(3D+时间)动态场景。 DymSLAM的唯一输入是立体视频，输出静态环境的密集图，运动对象的3D模型以及相机和运动对象的轨迹。系统首先使用传统SLAM方法检测并匹配连续帧直接的兴趣点，然后通过多模型拟合算法将属于不同运动模型(包括自我运动和刚性对象运动)的兴趣点进行分割。基于自我运动的兴趣点预测相机轨迹和静态背景，基于刚性对象运动的兴趣点用于估计对象相对于相机的相对运动并重建对象的3D模型。最后再3D对象的运动融合到环境的3D地图中，以获得4D序列。
问题提出了包含刚性运动物体的SLAM系统，能够重建场景中刚性运动对象的模型及其运动轨迹，可以用于机器人的动态物体避障等众多应用。

本文插图

本文插图
The Virtual Tailor: 基于人体姿态、形状和服装类型的3D服装预测论文名称：The Virtual Tailor: Predicting Clothing in 3D as a Function of Human Pose, Shape and Garment Style
作者：Patel Chaitanya /Liao Zhouyingcheng /Pons-Moll Gerard
发表时间：2020/3/10
论文链接：https://paper.yanxishe.com/review/13854?from=leiphonecolumn_paperreview0327
推荐原因
如何快速准确逼真地模拟、预测人体衣服的形变是计算机图形学中的一个重要问题，在诸如AR/VR、虚拟试衣等众多领域都有着应用。
本文提出了TailorNet神经网络模型，其可以根据人体形状、姿态和服装类型来预测衣服的形变，并同时保留衣服的褶皱等局部细节。文章技术的核心是将衣服的形状分解为高频部分和低频部分，其中低频部分的信息从人体形状、姿态和衣服类别预测，高频部分的细节从形状风格相关的姿态模型来预测并混合得到。作者将其构造的包含55800帧的数据集开源，项目主页https://virtualhumans.mpi-inf.mpg.de/vtailor 。

本文插图

本文插图

本文插图
【#机器学习#今日 Paper | 二氧化碳排放预测；3D人脸重建；BERTology入门；动态场景重建等】雷锋网雷锋网雷锋网