Inner-Body Dataset

在本文中，我们提出了第一种方法，让每个人都可以轻松地从自拍视频中重建自己在日常服装下的 3D 内部身体，在 15 秒内平均重建误差为 0.73 厘米。这避免了因裸露或穿着最少的衣服而引起的隐私问题。具体来说，我们提出了一种新颖的两阶段框架，具有语义引导的脱衣网络（SUNet）和内部变压器网络（IITNet）。SUNet 学习语义相关的身体特征，以减轻直接估计衣服下的 3D 内部身体的复杂性和不确定性。IITNet通过充分利用帧内和帧间信息重构3D体内模型，解决了不同帧中姿态不一致的错位问题。公共数据集和我们收集的数据集的实验结果证明了所提出方法的有效性。代码和数据集将用于研究目的。