一种适用于多视角三维人体姿态回归的常规方法
本文提出了一种通过多视角的训练,使用一致性约束联合监督损失及惩罚项实现替代大量标注的 3D 人体姿态估计方法,并提出了一种联合估计相机姿态及人体姿态的方法,在 3D 人体姿态估计方面取得了良好的表现。
Mar, 2018
该论文提出了一种基于多视角视频的多视角一致半监督学习框架,利用未经注释、未校准但同步的多视角视频中的姿态信息相似性作为额外的弱监督信号来引导 3D 人体姿势回归,该方法通过硬负采样来建立多视角一致的姿态嵌入,并结合有限的 3D 姿态注释来完善该模型,从而在两种公开数据集上实现了视角不变的姿态检索。
Aug, 2019
通过使用多视角数据对单目人体姿态估计模型进行微调,引入新的一致性损失函数,提升性能,从而实现对特定应用定制模型的实用和经济有效解决方案。
Nov, 2023
利用稀疏的未校准深度相机提供的 RGBD 视频流,我们提出了一种简单的多视角深度人体姿态估计 (MVD-HPE) 管线,用于联合预测相机姿态和 3D 人体姿态,无需训练深度 3D 人体姿态回归模型。
Jan, 2024
该研究提出了一种名为 MvP 的多视角姿态变换器,用于从多视角图像中估计多人的三维姿态,该方法可以直接回归多人三维姿态,并使用几种技术来提高准确性,该模型在多项指标上表现优秀。
Nov, 2021
本研究采用系统性研究来分析不同数据集之间多样性和偏差对模型泛化能力的影响,提出了一种同时预测相机视角和人体姿态的模型,取得了显著的跨数据集泛化性能提升。
Apr, 2020
本文研究多人姿态估计问题,提出了一种基于多视图系统和深度学习的方法,通过使用图神经网络模型预测场景中不同人之间的视角对应关系,并使用多层感知器模型将 2D 点转换为每个人的 3D 姿态。该模型采用自监督学习方式进行训练,从而避免了对大规模 3D 数据集的依赖。
Dec, 2022
通过弱监督学习和人群注释者提供的深度相对估计信号,我们提出一种 3D 人体姿势估计算法,用于只在 2D 输入图像中学习。结果竞争力优于目前现有算法,可为在未经过精心控制的现实世界中进行 3D 姿势估计开辟道路。
May, 2018