基于彩色图像的动物动态三维重建方法研究文献综述

1. 文献综述（或调研报告）：

国外研究：

一些动物三维重建的工作实际上受到人体三维重建及人体姿态估计的启发，构建动物统计模型并进行姿态估计完成三维重建。在人体方面，Allen等[1]将高分辨率模板网格拟合到使用稀疏三维标记的人体扫描，通过对目标函数进行优化完成了人体模型的重建和参数化。Anguelov等[2]使用数据驱动方法构建人体形状模型SCAPE，该模型通过学习到的姿势变形模型与单独的形状变化模型，同时建模主体形状和姿势的变化，能够针对单个静态扫描和人的标记运动序列建立具有真实肌肉变形的高质量动画表面模型。Loper等[3]创建了蒙皮多人线性模型，该模型基于顶点，能准确地表现人体姿势中的各种身体形状。Guan等[4]采用手工标记的二维关节点和GrabCut[5]分割的轮廓，使用方法[6,7]估计其三维姿势。Bogo等[8]使用由DeepCut[9]检测的关键点，通过最小化SMPL模型[3]和拟合数据对应关键点的约束，从单张图像中估计人体三维姿势和形状。

在动物方面，Favreau等[10]提出了一种从视频序列（如野生动物纪录片）中驱动三维动物模型的方法。通过使用主成成分分析，将视频序列分成二值图像，使用PCA空间的时变坐标来生成三维动画。

Cashman等[11]从人工点击的关键点和手工分割中学习海豚变形的低维模型，通过最小化关键点和轮廓的重投影误差来优化该模型。同时将该方法应用在鸽子和北极熊的建模上，该方法表明给定少量的用户交互，二维图像有足够的信息来生成完整的三维可变形模型，即使没有表面纹理。

Ntouskos等[12]制定了一个基于部分的动物模型，可以从多个分割图像中估计每个部分的形状，并将其组装成完整模型。最终的结果保留了部分的形状，但是缺乏三维扫描的真实感。

Reinert 等[13]将形状建模为通过其轴的动画变形的圆柱的集合，表示铰接形状的肢体，引入基于草图的提取技术，从用户在几个关键帧上绘制的笔划获取轴，实现从单个视频中快速重建动态关节形状。

Kanazawa等[14]提出了一个体积变形框架，根据用户点击的二维图像和目标动物的三维模版模型，生成一组新的三维模型；同时使用一种局部有界变形能量，约束每个局部区域的变形，并在马和猫这两种具有关节连接的高度可变形动物上证明了有效性。

Zuffi等[15]聚焦在一个四足哺乳动物的子集，采用一种新颖的基于部件的形状模型，对来自动物玩具的三维扫描进行初始注册，将其姿势标准化来学习统计形状模型SMAL。通过拟合二维图片的轮廓和关键点，生成二维图片中动物的三维模型，动物种类能够推广到训练中未见的动物种类。在此之前的一些三维形状数据集[16]，仅包括有限的三维动物，往往具有较低的真实感。