姿势为行动 - 行动为姿势 | BriefGPT

Mar, 2016

姿势为行动 - 行动为姿势

Pose for Action - Action for Pose

Umar Iqbal, Martin Garbade, Juergen Gall

TL;DR本研究提出一种基于人类行为信息以改善单目视频中的姿态估计的方法，运用具有高级信息的绘画结构模型，将高阶部分依赖性纳入考虑，通过建模行为专有的外观模型和姿态先验。同时，通过在姿态估计过程中使用统一的行为先验进行更新，而无需使用额外的昂贵的行为识别框架来较高效地估计动作先验。我们还展示了一定量的外观共享学习有助于姿态估计的正确性。该文在两个具有挑战性的数据集上进行了有效性验证，包含 80, 000 个测试图像。

Abstract

In this work we propose to utilize information about human actions to improve pose estimation in monocular videos. To this end, we present a pictorial structure model that exploits high-level information about ac

pose estimation monocular videos pictorial structure model action-specific appearance models pose priors

发现论文，激发创造

姿势来自动作：基于运动的无监督学习姿势特征

本文提出了一种从视频中自动学习姿态特征的无监督方法，该方法利用了动作信号这一与外貌互补且可用于监督的信号，使用一个外貌卷积神经网络和一个运动卷积神经网络来表示姿态和生成动作编码，通过在 FLIC、PASCAL、UCF101 和 HMDB51 数据集上的 fine-tuning 实验证明了其在静态图像动作识别和视频动作识别方面的优越性。

Sep, 2016

实时 3D 人体姿态估计和动作识别的多任务深度学习

本研究提出了一种多任务学习框架，能够同时从单眼彩色图像中估算二维或三维的人体姿态并分类人体动作。通过参数共享与关键预测部分解耦等技术，该框架能有效地处理静态图像和视频剪辑，实现了 100 帧以上的速度，并在四个数据集上显著提高了预测能力。

Dec, 2019

IntegralAction: 基于姿态驱动的特征集成，实现视频中人类行为的稳健识别

该研究提出了一种动作识别方法，通过动态组合外貌信息和姿势信息，实现在情境内外的动作视频数据集上高度鲁棒的性能表现。

Jul, 2020

基于姿态的 CNN 特征在动作识别中的应用

本研究提出了一种基于人体姿势的卷积神经网络描述子（P-CNN），该描述子通过人类身体部位的轨迹聚合运动和外观信息，可以显著提高在 JHMDB 和 MPII Cooking 数据集上进行的人体动作识别的最新表现。

Jun, 2015

使用多任务深度学习进行 2D/3D 姿势估计和动作识别

本文提出了一种多任务框架，用于联合解决静态图像的二维和三维姿势估计及视频序列的人类动作识别问题。实现了端到端优化，与传统分开学习相比准确率显著提高，报告了使用该方法对 MPII、Human3.6M、Penn Action 和 NTU 四个数据集的测试结果，证明了其在目标任务上的有效性。

Feb, 2018

利用姿态、动作和外观进行动作分类和检测的串联多流网络

本文提出了一种网络体系结构，计算和整合了人类动作识别中最重要的视觉线索：姿态，运动和原始图像，并引入了马尔科夫链模型进行融合，在 HMDB51，J-HMDB 和 NTU RGB+D 数据集上达到最先进的动作分类性能和在 UCF101 和 J-HMDB 数据集上达到最先进的时空动作定位结果。

Apr, 2017

人体动作识别中 3D 姿态跟踪的优势

本研究使用追踪和三维姿势来提高动作识别性能，并以 Lagrangian 视角分析人体运动轨迹，从而预测其动作，并提出一种 Lagrangian 动作识别模型，通过融合三维姿势和周围环境，达到业界最佳表现。

Apr, 2023

姿态和关节感知动作识别

本文提出了一种基于关节的动作识别模型，使用共享的运动编码器从每个关节分别提取运动特征，再通过联合推理的方式进行识别，同时引入了选定更具判别性关节的加权计算机制，关节对比损失技巧，以及基于几何感知的数据增强技术等方法，经实验证明，在 JHMDB，HMDB，Charades，AVA 动作识别数据集上，以及 Mimetics 数据集上，相对于当前最先进的基于关节行动识别方法有大幅度提升。同时与 RGB 和基于光流的方法进行了融合处理，以进一步提高性能。

Oct, 2020

基于人体姿势的深度学习估计、跟踪和动作识别：综述

该论文综述了基于深度学习的姿势分析应用，包括姿势估计、姿势跟踪和动作识别，并讨论了现有技术的优势和局限性，重点介绍了将这三个任务整合到视频序列的统一框架中的方法，并探讨了相关挑战和未来研究方向。

Oct, 2023

PoseAction：利用深度学习方法对病房患者进行动作识别

在本研究中，我们提出了一种使用计算机视觉和深度学习方法进行实时智能检测和预测受试者行为的方法，该方法利用 OpenPose 作为准确的受试者检测器，并使用 AlphAction 的异步交互聚合网络来预测受检测到的受试者的动作，该集成模型名为 PoseAction，并基于 NTU RGB+D 和 NTU RGB+D 120 数据集训练模型以识别病房区域的常见动作，同时实现了实时模式和面部模糊功能以保护病患和医护人员的隐私。

Oct, 2023