0 - 背景

　　Facebook AI Research（FAIR）開源了一項將2D的RGB影象的所有人體畫素實時對映到3D模型的技術（DensePose）。支援戶外和穿著寬鬆衣服的物件識別，支援多人同時識別，並且實時性良好。

1 - 思路

1.1 - 標註資料集

　　對於一般的姿態識別（骨骼追蹤），能夠識別出一二十個點便可以構成一個人體姿態，但如果要構造出一個平滑的3D模型，則需要更多的關鍵點，DensePose需要336個（24個部位，每個部位14個點）。

　　同時要求註釋者在標記的時候要標出被衣物掩蓋住的部位，比如寬鬆的裙子。

　　上述工作進行之後，研究人員對每一個展開部位區域進行取樣，會獲得6個不同視角的標記圖，提供二維座標圖使標記者更直觀的判斷哪個標記是正確的。

　　最後將平面重新組合成3D模型，進行最後一步校準。這樣下來，可以以高效準確的方式獲得準確標記的資料集。各部位錯誤率如下，可以看到在軀幹、背部和臀部存在較大誤差。

1.2 - 模型

1.2.1 - Fully-convolutional dense pose regression

1.2.2 - Region-based Dense Pose Regression

1.3 - 效果

2 - 參考資料

https://mp.ofweek.com/3dprint/a045673622216