We propose a novel approach for reconstructing high-resolution 3D human body models from extremely small number of 3D points which represent body parts. We leverage a database of high-resolution 3D models of 100 humans varying from each other by physical attributes such as age, weight, size etc. We, first, divide the bodies in database into seven semantic regions. Then, for each input region consisting of maximum 40 points, we search the database for the best matching body part. For the matching criterion, we use the distance between novel point-base features of input points and body parts in the database. We further combine the matched parts from different bodies into one body which result in a high-resolution human body, with the help of Laplacian deformation. To evaluate our results, we pick points from each part of the ground-truth human body models, then reconstruct them using our method and compare the resulting bodies with corresponding ground-truths. Also, our results are compared with ARAP-based results. In addition, we run our algorithm with noisy data to test robustness of our method and run it with input points whose body parts are manually edited, which produces plausible human bodies that do not even exist in our database. Our experiments verify qualitatively and quantitatively that the proposed approach reconstructs human bodies with different physical attributes from small number of points successfully and prove that our method is robust to noisy data.

Bu tezde, yüksek çözünürlüklü 3 boyutlu insan vücudunu, insan vücudunun parçalarını temsil eden son derece az sayıda 3B noktadan yeniden oluşturmak için yeni bir yaklaşım önerdik. Yaş, ağırlık, boyut vb. gibi fiziksel özelliklere göre birbirinden farklı 100 insandan oluşan yüksek çözünürlüklü 3 boyutlu modellerin bulunduğu veri setinden yararlanıyoruz. İlk önce veri tabanındaki modelleri yedi semantik bölgeye (yani baş, sol kol, sağ kol, göğüs, göbek, sol bacak, sağ bacak) bölüyoruz. Sonra, maksimum kırk noktadan oluşan her girdi bölümü için, veritabanında en iyi eşleşen şekli arıyoruz. Eşleştirme kriteri olarak, girdi noktalarının özgün nokta bazlı özellikleri ile veritabanındaki vücut parçaları arasındaki mesafeyi kullanıyoruz. Laplacian deformasyonun yardımı ile, farklı vücutlardan eşleşen parçaları, yüksek çözünürlüklü bir insan vücudu ile sonuçlanan tek bir vücutta birleştiriyoruz. Sonuçlarımızı değerlendirmek için, referans bedenlerin her bir kısmından noktalar aldık, daha sonra yöntemimizi kullanarak onları yeniden yapılandırdık ve sonuçtaki bedeni karşılık gelen referans beden ile karşılaştırdık. Ayrıca, sonuçlarımızı ARAP-tabanlı sonuçlar ile karşılaştırdık. Buna ek olarak, yöntemimizin dayanıklılığını test etmek için, yöntemimizi gürültü eklenmiş girdi noktaları ile denedik ve ayrıca yöntemimizi, veritabanımızda bulunmayan makul insan vücutları üreten, parçaları elle düzenlenmiş girdi noktaları ile çalıştırdık. Deneylerimiz, önerilen yaklaşımın, az sayıdaki noktadan farklı fiziksel özelliklere sahip insan bedenlerini nicel ve nitel olarak başarılı bir şekilde oluşturabildiğini ve gürültülü girdilere karşı dayanıklı olduğunu göstermektedir.