镜子镜子告诉我,误差很小吗?
使用 2D 关节点和人体约束估计虚拟相机与实相机之间的外参数,通过修改的八点法、人体约束和 RANSAC 算法,能够在没有重叠视图的情况下精确地估计。在合成和真实数据集上评估,结果优于现有方法,合成数据集的旋转误差为 0.62°/1.82°,平移误差为 37.33/69.51mm。
Nov, 2023
本文提出了一种新的任务,在单张含人像和人像在镜中映射的图像中重建 3D 人体姿势,借助镜面反射可以提供额外的视角,旨在提高现有单视角 3D 姿势估计器的准确性和通用性。
Apr, 2021
利用镜子进行人体运动捕捉,包括通过学习一个完整的身体模型、自动校准摄像机、估计镜子方向和将 2D 关键点检测提升为 3D 骨骼姿势等,实现了一个消费级的 3D 运动捕捉系统,并在具有挑战性的镜子场景中实现了模型学习和遮挡的优势。
Sep, 2023
本文介绍了如何使用旋转对称性来进行姿态估计,提出了一种能够通过训练来识别具有旋转对称性的物体的模型,使用未标记的 CAD 模型数据来提高算法性能,并在新的姿态数据集上测试了算法性能。
Oct, 2018
本文提出了一种基于优化问题的反射去除技术,结合用户交互方式和保留细节的 $H^2$ 保真度项,在反射去除领域具有不错的表现。
May, 2018
本文提出了一种新的方法来分析多实例姿态估计算法中的错误影响,并提出了可用于比较它们的原则性基准。通过定义和表征三类错误 - 定位、评分和背景,研究它们如何受到实例属性的影响及其对算法性能的影响。本文分析了两种具有代表性的人体姿态估计方法在 COCO 数据集上的性能,发现算法的性能和错误类型高度依赖于许多变量,但主要取决于关键点数量和杂波。本文提出的分析和软件工具为了解姿态估计算法的行为方式提供了一种新颖而深刻的方法,同时也提供了一种有效的评估姿态估计算法优缺点的方法。
Jul, 2017
介绍了一种称为 “Mirror Symmetry via Registration (MSR)” 的新对称性检测方法,其通过数据反射、数据注册和计算反射和注册映射的矩阵的特征值向量等步骤来检测镜像对称性,同时提出了一种基于随机样本一致性的新型 2D 数据配准方法,并在对不同数据库的测试中获得了最先进的性能和结果。
Nov, 2016
本文利用目标网络增强和不对齐数据的新颖用途,解决了单张图像反射去除的困难问题,在含有强烈反射区域的上下文编码模块和对齐不变损失函数的引入下,实现了对真实世界情况的显著改进。
Apr, 2019
本文研究了对象的对称性与其在图像中的出现之间的联系,并提出了一种基于姿态旋转归一化的简单有效的解决方案,并在 T-Less 数据集上验证了该方法。
Aug, 2019
本论文介绍了 Sym-NET,这是第一个用于检测深度学习神经网络的反射和旋转对称性的模型,在人类感知的对称性、基于图像的计算机视觉竞赛中获得了最佳表现。
Apr, 2017