함께 복원하는 이유
사람과 물체가 겹치면 각각의 깊이와 형상이 모호해진다. CHORE는 주변 물체와의 관계를 고려하며 사람만 단독으로 복원하는 문제를 넘어선다.
암시적 표현과 모델 피팅
신경망은 사람과 물체의 표면을 부호 없는 거리장으로 표현한다. 몸 모델로의 대응과 물체 자세 정보도 예측해 명시적인 몸 모델과 물체 형상을 맞추는 데 사용한다.
깊이를 고려한 스케일링
관련 연구는 실제 영상에서 형상 학습을 돕기 위한 깊이 인지 스케일링을 제시한다. 합성 자료에서 성립하는 가정을 실제 자료에도 그대로 적용하는 문제를 다룬다.
템플릿과 관측의 조건
물체의 삼차원 템플릿을 정합하는 방법이므로 템플릿 없이 형상을 찾는 방법과 조건이 다르다. 복원 품질을 비교할 때는 물체 정보가 주어졌는지와 가림의 정도를 함께 확인해야 한다.
관련 문서
BEHAVE 상호작용 데이터셋 / InterCap / InterTrack / HOLD 손 물체 복원 / 삼차원 재구성 / 컴퓨터 비전