Monocular Total capture: posing face, body, and hands in the wild

本文主要是介绍Monocular Total capture: posing face, body, and hands in the wild，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1. (2)公式算POF, 即关节到关节的单位向量, 跟PAF中2维向量不同, 这里是3维向量
2. 公式(4)中, $j_m^B$是2d image detected keypoints, $\mathbf{\Pi }({\tilde{\mathbf{J}}}_m^B(\theta ,\varphi ,t))$是根据参数建立的3D模型中keypoints投影后的2d坐标
3. 公式(5),3D模型中 关节的3D方向应该与POF里面的方向保持一致
4. 公式(6), prior term
5. 公式(8)和公式(9)和公式(4)原理差不多, 一个是针对tiptoe keypoints, 一个是针对facial keypoints.
6. 公式(10), 保证shape coefficients and facial expression coefficents的稀疏性
7. 公式(12) 提取texture map
8. 公式(13) 算从synthetic image到input image的光流
9. 公式(14) 使模型上的点沿着光流的方向延伸
10. 公式(15) z坐标的一致性

这篇关于Monocular Total capture: posing face, body, and hands in the wild的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---