3 camera parameters of weak-perspective camera

[emojiLee]

大佬您好，感谢您所做的工作，目前遇到些问题想向您请教，希望您提供思路。

当只使用save_dict_results里面保存的smpl 85维参数实现可视化时，cam相机结果不准，使用以下值：

• cam (3,) # 3 camera parameters of weak-perspective camera, (scale, tranlation_x, tranlation_y)
• pose (72,) # 72 SMPL pose parameters.
• betas (10,) # 10 SMPL shape parameters.

更改smpl_mesh_root_align: False没用，cam、pose、betas值并没有改变，所以结果还是不对。

效果如下：
results.zip

[Arthur151]

wow，你的demo有点酷啊！高手你好~

这个原因是因为ROMP估计的相机参数是输入图片中人的位置。输入图片是原图经过处理之后的，可以看一下处理过程，或者直接用ROMP输入网络的图作为渲染图比较方便。

如果还有问题可以直接问，我看到后会尽快回复的。

闲话：你的这个项目会开源么？看起来挺酷，哈哈。如果有计划地话，我可以把项目链接放在ROMP readme里，帮你推广一下。

[emojiLee]

抱歉抱歉，碰上节假日回复的慢了。

1. 视频中的效果是使用ipercore开源项目实现的：https://github.com/iPERDance/iPERCore

2. 我的测试视频分辨率是720720，网络输入图处理为512512，保存网络输入图看了resize为512没有padding，然后把输出的cam在512的图上测试了效果木有变，人物渲染出来还是有偏差。然后想修改cam转变为原图720的orig_cam，尝试了如下方法：
   `def convert_crop_cam_to_orig_img(cam, cx, cy, h, img_width=720, img_height=720):

   hw, hh = img_width / 2., img_height / 2.
   sx = cam[0] * (1. / (img_width / h))
   sy = cam[0] * (1. / (img_height / h))
   tx = ((cx - hw) / hw / sx) + cam[1]
   ty = ((cy - hh) / hh / sy) + cam[2]
   orig_cam = np.stack([sx, tx, ty]).T
   return orig_cam
   `
   其中cx, cy, h由输出保存的pj2d_org计算检测框得到，效果还是不太对。
   想请教一下如何由model输出的cam计算出原图像的orig_cam，谢谢大佬~

附：使用其他算法的cam且使用romp的pose测试的结果是正确的：
new_results.zip

[Arthur151]

我知道了！我的相机参数的定义和你的函数反应出来的定义不太一样。你看你第一次给我的可视化demo里，tx,ty都乘2可能就对了。
我相机是以图片中心（256，256）为相机坐标中心（0，0）的，tx,ty是（-1，1）对应于（0，512）。所以从我的tx，ty转变成原图的坐标位置直接(tx+1)/2*720就行了。不知道你理解了吗？

[emojiLee]

可以理解坐标位置转换(tx+1)/2720，但是tx,ty为什么2，不是*（720/512），*2后的效果前半部分看起来对的，但视频画面转换后后半部分不太对。

效果如下：
new_results2.zip

[Arthur151]

因为我的相机参数是标准化后的，始终认为图片大小是-1~1，跟具体图像大小无关。
前半部分对说明转换关系对，后面不对应该是你其他代码有问题。

[emojiLee]

好的，谢谢大佬，我再瞅瞅