概述

PIFuHD，用于高分辨率 3D 人体数字化的多级像素对齐隐式函数 (CVPR 2020)。该项目包含“用于高分辨率 3D 人体数字化的多级像素对齐隐式函数”的 pytorch 实现。

要求

Python 3

• • PyTorch tested on 1.4.0, 1.5.0
  • json
  • PIL
  • skimage
  • tqdm
  • cv2

用于可视化

• [hidecontent type="logged" desc="隐藏内容：登录后可查看"]

  • trimesh与 pyembree
  • PyOpenGL
  • freeglut（用于sudo apt-get install freeglut3-devubuntu 用户）
  • ffmpeg

  注意：建议至少 8GB GPU 内存运行 PIFuHD 模型。

  运行以下代码安装所有 pip 包：

  pip install -r requirements.txt

  下载预训练模型

  运行以下脚本以下载预训练模型。检查点保存在./checkpoints/.

  sh ./scripts/download_trained_model.sh
  

  快速测试

  要处理 下的图像./sample_images，请运行以下代码：

  sh ./scripts/demo.sh
  

  生成的 obj 文件和渲染将保存在./results. 您可以使用 meshlab ( http://www.meshlab.net/ ) 来可视化 3D 网格输出（obj 文件）。

  测试

  1. 运行以下脚本以获取每个图像的关节以进行测试（关节仅用于图像裁剪。）。确保正确设置 OpenPose 二进制文件的位置。或者，colab 演示提供更轻量级的裁剪矩形估计，而无需 openpose。

  python apps/batch_openpose.py -d {openpose_root_path} -i {path_of_images} -o {path_of_images}
  

  2. 运行以下脚本来运行重建代码。确保设置--input_path为path_of_images、--out_path要转储结果的位置以及--ckpt_path检查点。请注意，与 PIFu 不同，PIFuHD 不需要分割掩码作为输入。但是，如果您观察到严重的伪像，您可以尝试使用现成的工具（例如removebg）删除背景。如果您有{image_name}_rect.txt而不是{image_name}_keypoints.json，请添加--use_rect标志。作为参考，你可以看看colab demo。

  python -m apps.simple_test
  

  3. 或者，您还可以通过使用以下脚本仅保留网格重建中最大的连接组件来移除伪影。（警告：脚本会覆盖原来的 obj 文件。）

  python apps/clean_mesh.py -f {path_of_objs}
  

  可视化

  要使用转盘呈现结果，请运行以下代码。渲染的动画 (.mp4) 将存储在{path_of_objs}.

  python -m apps.render_turntable -f {path_of_objs} -ww {rendering_width} -hh {rendering_height} 
  # add -g for geometry rendering. default is normal visualization.

  [/hidecontent]