StanfordExtra

从单目互联网图像中恢复狗的 3D 姿势和形状的端到端方法。犬种之间的巨大形状差异、显着的遮挡和低质量的互联网图像使这成为一个具有挑战性的问题。我们比以前的工作学习了更丰富的先验形状，这有助于规范参数估计。我们在斯坦福狗数据集上展示了结果，这是一个包含 20,580 张狗图像的“野外”数据集，我们已经收集了 2D 关节和轮廓注释以进行分割以进行训练和评估。为了捕捉狗的各种形状，我们表明 2D 数据集中的自然变化足以通过期望最大化 (EM) 学习详细的 3D 先验。作为培训的副产品，我们生成了一个新的参数化模型（包括肢体缩放）SMBLD，我们将其与我们的新注释数据集 StanfordExtra 一起发布给研究社区。

搜集汇总

背景与挑战

背景概述

StanfordExtra是一个用于狗3D姿势和形状恢复的计算机视觉数据集，基于斯坦福狗数据集的20,580张图像，并提供了2D关节和轮廓注释。该数据集旨在通过端到端方法学习先验形状，以应对狗种差异和图像质量挑战，并发布了新的参数化模型SMBLD供研究使用，由微软·剑桥大学于2021年发布。