MExECON：把 ECON 从单视图扩到稀疏多视图，靠「联合拟合 + 前后法线积分」拿 360° 细节

MExECON：把 ECON 从单视图扩到稀疏多视图，靠"联合拟合 + 前后法线积分"白嫖 360° 细节

Uğur, Redondo, Barreiro, Hristov, Marí. MExECON: Multi-view Extended Explicit Clothed humans Optimized via Normal integration, Eurecat, 2025. arXiv:2508.15500

一句话定位：MExECON = ECON 的多视图扩展版。它不改任何预训练网络的权重，只在外面加两个新东西——① 一个把所有输入视图联合起来拟合单个 SMPL-X 的 JMBO 算法（Joint Multi-view Body Optimization），② 一条用后视图（back view）也去预测背面穿衣法线的积分路径。结果：对着 ECON 的单视图基线，Chamfer 距离从 40.56 mm 降到 23.12 mm（-42%），和现代 few-shot 通用重建方法 VGGT 打得有来有回，而且一次网络重训都不需要。

最关键的一句话：ECON 的根本软肋是"只看得见正面"——背面全靠网络脑补，自遮挡区域直接摆烂；MExECON 的处理非常务实：身体先多视图对齐（低频先验），细节再用前后法线积分补上（高频）。这是一个"低成本扩展现有 SOTA"的典范工作，方法论上没有惊世骇俗的新模块，但工程上把"多视图白送的红利"榨得很干净。

一、动机：单视图的两个死穴 vs 多视图的代价

论文开篇把矛盾点得很清楚：

  • 单视图方法（ECON、PIFu、ICON 这些）讨喜，因为输入只要一张图。但它们有两个结构性缺陷：
  • self-occlusion（自遮挡）：背面、腋下、裆部这些地方根本看不到；
  • depth ambiguity（深度歧义）：一张 2D 图 + 透视投影，天然无法定深度。
  • 后果就是输出的 mesh 不完整、不准确、缺细节（incomplete / inaccurate / non-detailed）。
  • 多视图方法能恢复360° 几何，但代价是计算成本高（论文引 [5] 的系统综述）。

作者的主张很有意思：在这个"拍图越来越便宜"的年代，一个方法最好能在同一套框架里同时支持单图和多视图，而不是搞两套独立方案。于是他们选了 ECON 当基座——因为 ECON 本身已经是"参数化身体拟合 + 法线积分"的组合，天然可分两部分扩展。

两条核心贡献（原文 Abstract / Intro 列出的）：

  1. JMBO 算法：从所有可用视图里估出单个一致的 body model，同时正则化敏感区域（头、手）。
  2. 前后视图法线积分框架：不像 ECON 只用正面，而是正反两面法线都积分，且不需要为每个视角单独训一个法线估计器。

并且反复强调：all multi-view gains without any network re-training。

二、ECON 回顾（论文第 2.1 节）

要懂 MExECON，先得知道 ECON 干了什么。ECON 的流程是严格的四步串行：

Step 1 · SMPL-X 初始化（SMPL-X initialization）
用预训练网络 PIXIE 从正面 RGB 图 $I$ 回归出一个 SMPL-X 身体网格 $M^b$。

Step 2 · 法线图预测（Normal map prediction）
两个预训练生成器 $G$，分别吃 $(I, N_F^b)$ 和 $(I, N_B^b)$（$N^b$ 是从 $M^b$ 算出的正面/背面 skinned body normals），输出穿衣体的正/背面法线 $N_F^c, N_B^c$：

$$N_F^c = G_{N_F}(I, N_F^b), \qquad N_B^c = G_{N_B}(I, N_B^b) \tag{1}$$

注意这一步：ECON 的背面法线也是从正面图 $I$ "猜"出来的——这是后面 MExECON 大做文章的地方。

Step 3 · SMPL-X 优化
把身体网格对齐到穿衣法线，损失三项相加：

$$L_{\text{SMPL-X}} = L_{\text{Silhouette}} + L_{\text{Normals}} + L_{\text{Landmarks}} \tag{2}$$

即轮廓对齐、法线对齐、2D 关键点重投影对齐。

Step 4 · 法线积分（Normal integration）
用 d-BiNI（depth-aware bilateral normal integration）把正/背面穿衣法线 $N_F^c, N_B^c$ 提升成正/背面深度图 $Z_F^c, Z_B^c$，并用 body 深度图 $Z_F^b, Z_B^b$ 约束两张面的"接缝"：

$$\text{d-BiNI}\big(N_F^c, N_B^c, Z_F^b, Z_B^b\big) \to Z_F^c, Z_B^c \tag{3}$$

这两张深度图对应两块部分曲面 ${M_F, M_B}$（前、后各半张壳）。

Step 5 · 形状补全（Shape completion）
预训练的 IF-Nets+ 来填 ${M_F, M_B}$ 之间缺失的几何（由 $M^b$ 引导），得到补全网格 $R_{IF}$；最后用 PSR（Poisson Surface Reconstruction） 把 $M_F, M_B$ 和补出来的部分缝成最终网格 $R$：

$$\text{PSR}\big(R_{IF}(Z_F^c, Z_B^c, M^b),\ M_F,\ M_B\big) \to R \tag{4}$$

$R$ 就是最终的 clothed watertight avatar mesh（穿衣、封闭、可渲染的网格）。ECON 的关键词全在这句话里：watertight（水密）、clothed（穿衣）、watertight 靠 PSR 缝出来。

三、方法

MExECON 的整体 pipeline 见论文 Fig. 2：先 JMBO 出 $M^b$，再逐视图预测穿衣法线 $N_i^c$，再把正/背面 $N^c$ 加 body 深度 $Z_i^b$ 扔给 d-BiNI 出两块面，最后 IF-Nets+ 缝合、PSR 提网格。分两节讲。

3.1 JMBO：联合多视图身体优化

第一件事：初始化。 对输入 $N$ 张图 ${I_i}_{i=1}^N$ 里的每一张，都单独跑一遍 PIXIE，得到 $N$ 个独立的 SMPL-X 估计 ${\hat{M}_i^b}$。然后把它们的 shape（体型）和 pose（姿态）参数直接做平均，作为 $M^b$ 的初值。这一步很朴素，但很有效——单视图预测的抖动被平均掉一部分。

第二件事：多视图联合优化。 在所有视图上最小化 JMBO 代价函数：

$$L_{\text{SMPL-X}} = L_{\text{Silhouette}} + \lambda_n L_{\text{Normal}} + \lambda_l L_{\text{Landmark}} + \lambda_h L_{\text{Head}} \tag{5}$$

超参数是作者经验调出来的：$\lambda_n = 0.2$，$\lambda_l = \lambda_h = 0.1$。论文特别注明：式 (5) 就是式 (2) 的多视图扩展。

四个 loss 逐个拆：

（a）轮廓损失 —— 让投影出来的身体轮廓 $S_i^b$ 贴合每张图里的穿衣轮廓 $S_i^c$：

$$L_{\text{Silhouette}} = \sum_{i}^{N} \big| S_i^b - S_i^c \big|_1 \tag{6}$$

（b）法线损失 —— 让渲染出的身体法线 $N_i^b$ 贴合该视图的穿衣法线 $N_i^c$：

$$L_{\text{Normals}} = \sum_{i}^{N} \big| N_i^b - N_i^c \big|_1 \tag{7}$$

这里有个很省的技巧：所有 $N_i^c$ 都只用 ECON 的正面法线估计器 $G_{N_F}$ 来算，然后再用一个旋转 $R_{F\to i}$ 把法线坐标从正面视角 $I_F$ 转到对应视角 $I_i$（相机参数已知）。换句话说，MExECON 从头到尾只用一个法线网络，不训第二个。

（c）关键点损失 —— 让 $M^b$ 投出的 3D 关节 $J_i^b$ 对齐 MediaPipe 检出的 2D 关键点 $J_i^c$，而且按置信度加权：

$$L_{\text{Landmarks}} = \sum_{i}^{N} \frac{\sum_k c_{i,k} \cdot |J_{i,k}^b - J_{i,k}^c|2}{\sum_k c$$}} \tag{8

其中 $c_{i,k}$ 是第 $i$ 张图第 $k$ 个关键点的置信度。这个"按置信度归一化"很关键——检测不准的点不应该等权地把身体拽歪。

（d）头部正则（新颖点） —— 这是 MExECON 唯一"新造"的 loss：

$$L_{\text{Head}} = 1 - \frac{v_h \cdot v_y}{|v_h|\,|v_y|}, \qquad v_y = [0,1,0] \tag{9}$$

$v_h$ 是头的 pitch 向量，$v_y$ 是世界坐标下的标准朝前方向。这个损失就是"余弦相似度"的补——逼着头保持朝前、直立。

为什么要加它？ 论文的动机很实在：头和手承载了式 (8) 里绝大多数关键点，所以多视图关键点拟合对头的朝向极其敏感；不加约束，优化会让头摆出不自然的姿势。论文 Fig. 3 给了对比：JMBO without $L_{\text{Head}}$ 的头是歪的，加上之后才和 ground-truth 一致。

JMBO 的产物是什么？ 一个 skin 出来的、没有头发和衣服的 SMPL-X body——它的价值不在自己，而在于当后面重建的全局低频先验。

3.2 前-后法线引导的 3D 重建

前后分块重建。 和 ECON 一样，MExECON 重建并合并前、后两块部分曲面 ${M_F, M_B}$，细节靠积分正/背面穿衣法线 ${N_F^c, N_B^c}$ 来加（式 3 的 d-BiNI）。唯一但重要的区别：这两块面现在是对齐到 JMBO 出的多视图 SMPL-X 上的。

核心改动：背面法线不再靠正面"脑补"。 这是全文最漂亮的一刀。ECON 里背面法线 $N_B^c$ 是从正面图推的；MExECON 既然有了后视图 $I_B$，就直接用它来推：

$$N_B^c = R_{F\to B}\ G_{N_F}\big(I_B,\ N_B^b\big) \tag{10}$$

拆解：喂给正面法线估计器 $G_{N_F}$ 的输入是后视图 $I_B$ 配 SMPL-X 先验算出的背面 body 法线 $N_B^b$，输出再用已知的前后相机相对旋转 $R_{F\to B}$ 转到正确坐标系。全程还是那一个 $G_{N_F}$，没有新的背面网络。

效果（论文 Fig. 4 的对比表格）：

正面法线 $N_F^c$ 背面法线 $N_B^c$
ECON $G_{N_F}(I_F, N_F^b)$ $G_{N_B}(I_F, N_B^b)$ ← 用正面图
MExECON $G_{N_F}(I_F, N_F^b)$ $G_{N_F}(I_B, N_B^b)\cdot R_{F\to B}$ ← 用后视图

论文说，这个改动能显著改善背面法线，把配饰（hood 兜帽、belt 腰带、backpack 背包）、复杂发型（长发、丸子头、马尾）这些细节重建出来——而 ECON 的等价法线图里这些细节要么丢了，要么被抹平了。顺带好处：既省掉了专门的后视法线网络，又能推广到任意其他视角。

形状补全。 保留 ECON 原式 (4) 的框架不变：IF-Nets+ 由 $M^b$ + 前后穿衣曲面的深度信息，预测整个身体的连续 occupancy field；用 Marching cubes 从 occupancy 场提出平滑完整的 $R_{IF}$；最后 PSR 把 $M_F, M_B$ 和 $R_{IF}$ 缝成最终 watertight 网格 $R$。论文 Fig. 5 从左到右画得很清楚：输入两块部分面（绿色 $M_F$、橙色 $M_B$）→ IF-Nets+ 补出的紫色区域 → PSR 提最终封闭网格。

四、实验

4.1 数据

  • 从 THuman 2.1 数据集里挑了 20 个穿衣人体 avatar 当测试集，覆盖多样服装、姿态、体型。
  • 具体 avatar ID（论文原文列出，方便复现）：0004, 0006, 0007, 0019, 0021, 0023, 0053, 0054, 0055, 0057, 0070, 0071, 0072, 0074, 0081, 0083, 0120, 0170, 0181, 0445。
  • 每个 avatar 用 Blender 渲染多视图：8 个虚拟相机均匀分布在 360° 上，从正面视角开始；图像 1080 × 1920；相机高度固定在眼睛水平。
  • 渲染出的 RGB 图 + 内外参一起作为 pipeline 输入。（论文 Fig. 6 给了 subject 0021 的 8 视图例子。）

4.2 指标（四个，越小越好，单位 mm 或 deg）

  • Chamfer Distance：双向几何精度，每个表面点到 GT 表面最近点的平均距离（双向）。
  • P2S Accuracy：单向精度，重建表面点到 GT 最近点。
  • P2S Completeness：单向完整度，GT 每个点到重建网格最近点——衡量"覆盖得全不全"。
  • Normal Consistency：重建法线与 GT 法线的角度差（度），专门抓衣物褶皱这类细粒度细节。论文强调：不像 ECON 用固定视角法线图的 $L_2$ 差，这个指标是视角无关的，能用在任意一对对齐网格上。

4.3 评测结果

（1）身体先验：JMBO 完爆单视图和"朴素平均"（Table 1）

方法 Silhouette ↓ Landmark ↓ Normal ↓ Total ↓
Front-view SMPL-X（ECON） 0.103 1.259 0.013 0.229
Multi-view avg. SMPL-X（独立预测取平均） 0.092 0.169 0.012 0.113
JMBO SMPL-X（本文） 0.041 0.153 0.008 0.059

总损失降低超过 74%（0.229 → 0.059）。注意 landmark 损失：单视图是 1.259，一旦多视图（哪怕是朴素平均）就暴跌到 0.169，说明"多看几眼"对关节定位是降维打击。论文 Fig. 7 给的解释：单视图 SMPL-X 因为深度歧义和自遮挡，会出现弯腿、手臂过度伸展这类姿态错误，以及被宽松衣服撑大的躯干；JMBO 的结果是稳定直立、比例贴合 GT。

（2）最终穿衣 mesh：8 视图 MExECON 全面领先（Table 2）

方法 Chamfer (mm) ↓ P2S Acc. (mm) ↓ P2S Comp. (mm) ↓ Normal (deg.) ↓
ECON（单视图） 40.56 39.52 37.21 45.79
2-view MExECON（前+后） 32.76 29.72 31.18 44.03
8-view MExECON（本文） 23.12 21.26 22.84 39.54
8-view VGGT（few-shot 通用重建） 23.87 22.21 19.84 41.38

相对 ECON 的提升幅度（8 视图）：
- Chamfer −42%（40.56 → 23.12）；
- P2S Accuracy −46%；
- P2S Completeness −38%（"原本被遮挡的背面"也能重建出来）；
- Normal Consistency −13%（细节更保真）。

2 视图是中间态——说明"至少加一个额外视角"就能解掉大量歧义；加到 8 视图继续涨，证明方法能随视角数 scale。

和 VGGT 的对比很有意思：
- VGGT 拿下了最低的 P2S Completeness（19.84）——它的表面覆盖最全，因为 VGGT 会在整个场景上预测稠密点云，再用 PSR 提网格；而 ECON/MExECON 的 surface completion 在复杂姿态下可能把肢体补不完整（见 4.4）。
- 但 VGGT 的 Chamfer 和 Normal 都更差，因为它把细节抹平了（论文 Fig. 8 的定性对比：VGGT 整体形状准、覆盖全，但高频细节丢失；MExECON 两者兼顾）。
- 论文补了句公道话：VGGT 是在大量真实+合成数据上训的通用大模型，并非专为人体 avatar 定制。

定性结果（Fig. 9 / Fig. 12） 点了两个具体案例：
- avatar 0021：单视图 ECON 抓不住背面的连帽衣物几何，表面被压平、糊成一团；MExECON 靠后视图重建出了对应几何。
- avatar 0004：ECON 出现不自然的倾斜（unnatural lean），MExECON 是像 GT 一样的站立姿态。

论文还诚实地提了一句：Fig. 9 里 ECON 的手更真实，是因为 ECON 用"裁剪的 SMPL-X 手"替换了重建的手；MExECON 省略了这一步，但想加毫无兼容问题。

4.4 局限与失败案例（论文第 4.4 节，很实诚）

  1. 标定相机（Calibrated cameras）：MExECON 假设相机内外参已知且无误差，且必须有正、后两个视角——这些条件基本只存在于合成数据或受控实验室环境。真实场景需要自动相机标定。
  2. 静态场景（Static scene）：假设拍摄期间人不动。动态场景需要逐视图估不同 SMPL-X 姿态，这会把不一致引入 JMBO。
  3. 重建伪影（Reconstruction artifacts）：当胳膊或腿贴近身体时，部分曲面重建出现局部表面歧义，表现为：
    - 不真实的鼓包（subject 0083，出现在过渡区域）；
    - 肢体不完整（subject 0023 和 0071）。
    作者归因于 d-BiNI 部分曲面重建和 IF-Nets+ 补全这两个阶段在困难区域估不准深度（论文 Fig. 10）。
  4. 法线积分只用前后两面（Partial normal integration）：为了避免网络重训，MExECON 保留了 ECON 的"前后法线积分"范式——代价是侧视图的几何细节没有直接进最终穿衣曲面，只用来约束低频的 JMBO 先验。想做成完整的 N 视图法线积分得扩 d-BiNI 并重训 IF-Nets+，而它们只支持前后输入。
  5. 输出无纹理（Untextured output）：ECON 和 MExECON 都只出无色网格。想更真实，得靠多视图纹理后处理去聚合输入图颜色——但多视图可见的重叠区域怎么融合是个难题。

4.5 计算开销（附录 Table 3，A100 40GB）

方法 峰值 GPU 显存 计算时间
ECON 8 GB 45 sec.
2-view MExECON 12 GB 1 min.
8-view MExECON 24 GB 2.5 min.
8-view VGGT 14 GB 5 sec.

几个细节：
- VGGT 最快（5 秒）——一次前向出全部，没有 SMPL-X 迭代优化这回事。
- MExECON 比 ECON 慢，主要慢在 SMPL-X 初始化：要逐视图算 SMPL-X 再平均。
- JMBO 通常 35 次迭代收敛，反而比 ECON 的 50 次少。
- 显存随视图数增长（每次 JMBO 迭代都要对所有视图求 SMPL-X 参数梯度）——但作者强调这是实现选择、不是方法约束：改成分批（mini-batch）视图多迭代，显存能降到接近 ECON。

五、结论

MExECON 在 ECON 之上做了一个低成本、高回报的多视图扩展：

  • 身体：JMBO 用"逐视图初始化 → 联合优化"估出多视图一致的 SMPL-X 先验，并首创 $L_{\text{Head}}$ 正则防头乱摆；总损失降 74%+。
  • 细节：把后视图接进背面法线预测（式 10），复用同一个正面法线网络，重建出兜帽、腰带、背包、长发等背面细节。
  • 工程价值：零网络重训，与单图 ECON 兼容，性能接近 VGGT 这类现代 few-shot 方法。
  • 主要局限：需静态场景 + 标定相机，前后视图补全区域可能出伪影，输出无纹理。

六、对「服装重建 / 虚拟试衣」方向的实用评价

把这篇放回我们关心的服装重建与虚拟试衣里看：

  1. "改外挂不改权重"的思路值得抄。 MExECON 全程没动 PIXIE / ECON 法线网络 / IF-Nets+ 一个权重，只加了个 JMBO 优化循环和一条"用后视图"的推理路径。对虚拟试衣很有启发：手里已有的试衣/法线/body 模型不必重训，通过多视图联优化就能显著提升——尤其适合"多机位拍摄 / 视频多帧"的落地场景。
  2. JMBO 是"通用的人体装配器"，可独立复用。 只要有多视角图 + 相机参数，式 (5)~(9) 就能给你一个多视图一致的 SMPL-X。试衣系统里最怕的就是不同帧/不同视角身体姿态对不齐，JMBO 正好治这个病；$L_{\text{Head}}$、按置信度加权的 landmark 这些工程 trick 拿来即用。
  3. 前后法线积分 + 复用正面网络 = 低成本补背面细节。 服装重建最痛的点就是背面信息缺失（自遮挡）。式 (10) 是个非常便宜的补法：有后视图就用后视图喂同一个网络。做"360° 服装重建"时，这条几乎零成本。
  4. 它的短板正是我们需要权衡的地方。
    - 只能前后两面：侧视图细节进不了最终曲面。如果做侧缝、袖口、裙摆侧向褶皱这类强方向性细节，MExECON 会漏——需要看它的"完整 N 视图法线积分"设想能否落地。
    - 肢体贴近身体就出鼓包/断肢（0083 / 0023 / 0071）：穿衣场景里手臂贴躯干、交叉腿太常见了，这是 d-BiNI + IF-Nets+ 的固有病。
    - 输出无纹理：虚拟试衣最终要"换衣服看效果"，纹理和材质是刚需，MExECON 只给几何，需要外接纹理/材质模块。
  5. 和 VGGT 的取舍：要"全覆盖 + 快"选 VGGT（5 秒、Completeness 19.84 最优）；要"细节 + 褶皱保真"选 MExECON（Normal 39.54 更好）。做试衣时，形状覆盖用 VGGT 打底、细节用 MExECON 这类法线积分补，可能是个 combo 思路。
  6. 一句话总结对方向的意义：MExECON 证明了"多视图一致性"是服装重建里性价比最高的一档升级——不用新网络、不用重训，只要多几台相机、把姿态联合拟合好、把后视图的法线喂进去，就能把单视图方法按在地上摩擦。做虚拟试衣，优先上多视图 + JMBO 式联合优化，是当前最稳的收益点。

术语表 / Key Terms

  • MExECON — Multi-view Extended ECON；本文方法名，"ECON 的多视图扩展版"
  • ECON — Explicit Clothed humans Optimized via Normal integration；单视图基座方法（CVPR 2023），"显式穿衣人体 + 法线积分优化"
  • JMBO — Joint Multi-view Body Optimization；本文核心算法，跨所有视图联合拟合单个 SMPL-X
  • multi-view — 多视图；从多个相机视角同时观察同一主体
  • multi-view consistency — 多视图一致性；同一 3D 结构在所有视图下的投影应自洽
  • sparse views — 稀疏视图；视角数量很少（如 2 或 8 个），区别于稠密多视图/视频
  • single-view — 单视图；只用一张图
  • self-occlusion — 自遮挡；人体自身挡住自己的某些部位（正面拍不到背面）
  • depth ambiguity — 深度歧义；2D 投影下无法唯一确定 3D 深度
  • 360-degree geometry — 360° 几何；绕主体一周的完整表面
  • clothed human avatar — 穿衣人体化身；带衣服的完整人体数字化身
  • sparse multi-view RGB images — 稀疏多视图 RGB 图像；本文的输入形式
  • SMPL — Skinned Multi-Person Linear model；线性蒙皮人体参数模型（仅身体，形/姿参数）
  • SMPL-X — SMPL 的扩展版，额外含表情与全关节手指参数（eXpressive）
  • STAR — Sparse Trained Articulated body Regressor；简化 SMPL、保证局部姿态编码
  • shape parameter / pose parameter — 体型参数 / 姿态参数
  • skinned body mesh — 蒙皮身体网格；由参数模型驱动出的（不含衣发的）身体
  • body prior — 身体先验；用参数化身体模型给重建提供的低频全局约束
  • low-frequency prior — 低频先验；只提供整体形状/姿态、不含高频细节的引导信号
  • PIXIE — 一种单图显式人体回归网络，本文用它出初始 SMPL-X
  • MediaPipe — Google 的感知框架，本文用它检测 2D 人体关键点
  • landmark — 关键点；人体关节在 2D 图上的位置（手、头占多数）
  • silhouette — 轮廓（剪影）；物体在图像上的外边界
  • normal map — 法线图；把表面法线方向编码到像素上的图
  • body normal — 身体（SMPL）法线；从身体网格渲染出的法线
  • clothed-body normal — 穿衣体法线；含衣发细节的表面法线（相对 body normal）
  • front / back view — 前视图 / 后视图；正面相机与背面相机
  • normal integration — 法线积分；由法线图反推出深度图/表面的过程
  • d-BiNI — depth-aware bilateral normal integration；ECON 的深度感知双边法线积分
  • partial surface — 部分曲面；只覆盖前或后半张壳的不完整表面（$M_F, M_B$）
  • shape completion — 形状补全；把部分曲面缺失的几何补起来
  • IF-Nets+ — 一种隐式占据场网络，本文用它做身体形状补全
  • occupancy field — 占据场；连续函数，表示空间中点是否在物体内
  • SDF — Signed Distance Function，有符号距离函数（隐式体的另一种表示）
  • PSR — Poisson Surface Reconstruction，泊松表面重建；用来缝合分块曲面
  • Marching cubes — 移动立方体；从隐式场（occupancy/SDF）提取三角网格的经典算法
  • watertight mesh — 水密网格；封闭无缝、没有孔洞的网格
  • Chamfer Distance — 倒角距离；双向表面点最近距离的平均（几何精度指标）
  • P2S Accuracy / Completeness — 点到面精度 / 完整度；单向精度与覆盖度指标
  • Normal Consistency — 法线一致性；重建法线与真值法线的角度差（度），抓褶皱细节
  • ground-truth — 真值；作为参照的标准答案（此处为 3D 扫描网格）
  • THuman 2.1 — 提供高质量真值 3D 扫描（带纹理网格）的人体数据集
  • calibration / camera parameters — 标定 / 相机参数；相机内外参
  • intrinsic / extrinsic parameters — 内参 / 外参
  • few-shot reconstruction — 少样本重建；用很少的输入（图/视角）完成重建
  • VGGT — Visual Geometry Grounded Transformer；大规模通用多视图 3D 重建大模型
  • implicit / explicit representation — 隐式 / 显式表示；连续场 vs 离散参数化
  • parametric model — 参数化模型；用可解释参数（体型/姿态）表示人体
  • ablation study — 消融实验；逐一去掉/替换模块看影响
  • pipeline — 处理流程；从输入到输出的串行模块链
posted @ 2026-09-16 10:04  Quentin_Yws154  阅读(15)  评论(0)    收藏  举报