3D rekonstrukce člověka a automatické mapování kostry z monokulárního videa

Abstract

Tato práce se zabývá generováním kvalitních lidských oblečených 3D modelů z monokulárního videa. Existují metody strojového učení které tento problém řeší přímo, ale nedosahují kvality modelů pro statické scény. Tato práce se snaží vyřešit tento problém následujícímy kroky: Prvně, analýza nejlepších metod strojového učení pro 3D rekonstrukci. Aplikování těchto metod a jejich úprava pro 3D rekonstrukci člověka. Analýza a aplikace metod automatického mapování kostry na 3D model člověka. Implementace kompletního procesu pro generování 3D modelu člověka s kostrou z videa. Tento výzkum má potenciál pro zlepšení efektivity a přesnosti pro tvorbu 3D lidkých modelů pro různé aplikace, včetně virtuální reality a animace.

This thesis investigates the generation of high-fidelity 3D animatable clothed human models from a single monocular video. Whereas existing machine learning methods achieve direct reconstruction, they lack the mesh quality of state-of-the-art methods for static scenes. This work tries to solve this issue by: First analysis of leading reconstruction methods in neural implicit representations for generalpurpose 3D scenes is done. Applying these methods and fine-tuning them for human generation. Investigating and applying rigging on the generated meshes. Implementing a complete pipeline for generating a rigged human mesh from a video. This research has the potential to improve the efficiency and accuracy of creating 3D human models for various applications, including virtual reality and animation.