Jun, 2016

利用自我运动特征在第一人称视频中定位个体

PDF
TL;DR本文提出了一种基于自恋的头部运动的自我搜索技术，能够在可穿戴相机拍摄的第一人称视角视频中识别自己，以解决由这种技术带来的隐私问题，并且该技术能够应用于隐私过滤、目标视频检索以及社交群聚等实际场景中。
wearable camerasfirst-person point-of-view videosprivacy concernsself-search techniqueegocentric head motion
发现论文，激发创造
  • 第一人称视角视频中的未来人物定位

    我们提出了一个新的任务，旨在预测在佩戴式摄像机拍摄的第一人称视频中被观察者的未来位置，我们将三个关键观察结果融入到多流卷积 - 解卷积体系结构的预测框架中，实验结果表明我们的方法在我们的新数据集以及公共社交互动数据集上是有效的。

    Nov, 2017

  • 基于轨迹对齐的特征用于第一人称动作识别

    该研究旨在研究在第一人称视角下，如何准确识别行为。为此，提出了一种新颖的特征轨迹表示方法，并且使用所提出的方法在公开数据集上实现了 11% 的性能提升，该方法可以识别出佩戴者的各种行为，且不需要分割手 / 物体或识别物体 / 手的姿态。

    Apr, 2016

  • You2Me: 通过第一和第二人称交互推断自我中心视频中的身体姿态

    本文提出了一种基于学习的方法，通过与另一个人的互动来估计身穿相机人的三维身体姿态，演示了我们的想法在多个领域的相关应用和视频实现。

    Apr, 2019

  • 面向语义快进和稳定的自我中心视频

    本文提出了一种从自我视角视频中提取语义信息来汇总并稳定视频的方法，并介绍了一个带有多个语义标签的视频数据集和一种新的自我视角视频平滑评估度量标准。

    Aug, 2017

  • 在第三人称视频中识别第一人称摄像头佩戴者

    本文提出了一种新的半孪生卷积神经网络架构，以解决第一人称和第三人称视频之间的人物层面的对应关系问题，在关注联合场景理解，物体追踪和活动识别方面有显着的性能提升。

    Apr, 2017

  • 如何移动你的头就能说明你在做什么：使用自监督的第一人称摄像头和 IMU 传感器进行视频表征学习

    使用自监督学习来学习套接在 AR/VR 设备上内嵌的 IMU 传感器捕捉的人类和狗的视角视频获得的头部运动，以识别自传活动。

    Oct, 2021

  • 利用第一人称视角装置进行自我中心视场定位

    使用第一人称视角设备拍摄的图像、视频和传感器数据来实现自我的视场定位，并进行图像和视频匹配，最后用于增强现实、事件理解和社交交互研究。

    Oct, 2015

  • 侦测自我中心视频中的参与度

    该研究提出了一种基于长期自我运动线索的学习方法来检测佩戴者在穿越场景时的注意力，特别是在需要获取新的视觉信息时，与以前的研究相比，该方法可以独立于场景外观和佩戴者身份来有效地检测 engagement。

    Apr, 2016

  • 通过自我头部姿态估计进行自我身体姿态估计

    该研究介绍了一种新方法，利用头部运动作为中间表示，将三维人体运动的预测分解为两个阶段，并使用条件扩散生成多个可能的全身动作，消除了需要训练配对数据集的需求，可以分别利用大规模的追踪数据集和运动捕捉数据集。

    Dec, 2022

  • 在同步第一人称和第三人称视频中进行联合人物分割和识别

    该论文探讨了视频分析的相关问题，特别是像素级的人物分割，同时解决了第三人称视频中拍摄者身份的鉴定。通过使用多视角匹配的方法，在不需要人工标记的情况下实现了对多视角数据的人物识别和身份匹配。

    Mar, 2018