根据二维图像快速地恢复出人体三维模型在元宇宙、VR和AR等领域中有着广泛的应用。目前很多三维姿态估计算法主要是估计场景中人体的 SMPL 参数(pose、shape)，进而可以利用SMPL恢复出三维人体模型。为了准确地恢复出人体姿态，往往需要较大的网络对图像进行编码。针对计算资源受限的智能手机等嵌入式设备，提出Fast-HMR方法，利用双分支网络同时快速地捕获图像的全局与局部信息，在融合特征的基础上回归出SMPL人体参数。
Fast-HMR算法基于Python3.6环境下的pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1、neural-renderer-pytorch==1.1.3、smplx==0.1.13等依赖库。算法输入为二维人体图像照片，输出为SMPL人体模型参数（包含10维shape向量、72维pose向量以及3维相机向量）。
算法名称
| 基于SMPL的轻量级三维人体重建算法
|
算法接口
| python3 demo.py
|
输入
| 人体图像
|
输出
| SMPL人体模型参数 10维shape向量 72维pose向量
|
支持数据集
| Human3.6
|
依赖库
| pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1、neural-renderer-pytorch==1.1.3、smplx==0.1.13
|
参考资源
| |
Gitlab链接：Fast-HMR · GitLab (crowdhmt.com)
