ECCVSep, 2018

基于体素热力图的合成遮挡增强技术应用于 2018 ECCV PoseTrack 3D 人体姿态估计挑战赛

PDF
TL;DR本论文介绍了作者在 2018 ECCV PoseTrack Challenge 中 3D 人体姿势估计比赛中获胜的方法，使用全卷积 Backbone 架构，增强训练数据使用来自 Pascal VOC 数据集的随机遮挡物，使用 L1 误差最小化在 3D 相机空间中反投影坐标得到绝对人中心深度的预测结果。
3d human pose estimationfully-convolutional backbone architecturepascal voc datasetdata augmentationl1 loss
发现论文，激发创造
  • 多人三维姿态估计的压缩体积热力图

    本文提出了一种基于多层热力图压缩的深度学习模型，可在 8 fps 的运行时处理全高清 RGB 图像，用于多人和单人 3D 人体姿态估计。

    Apr, 2020

  • 针对三维物体姿态估计，使深度热图对于部分遮挡具有鲁棒性

    本研究提出了一种新的方法用于从单个彩色图像中准确地估算有大遮挡的三维物体姿态，即首先预测与目标物体相关的 3D 点的 2D 投影，然后使用几何方法从这些对应关系中计算 3D 姿态，方法是从多个小补丁独立地预测热图，然后积累结果以获得准确和稳健的预测。

    Apr, 2018

  • 使用时域卷积和半监督训练进行视频中三维人体姿态估计

    本文提出了一种基于卷积神经网络的 3D 姿势估计方法，并结合反向投影技术实现了半监督训练，结果表明该模型在无监督和半监督情况下准确性都得到了明显提高。

    Nov, 2018

  • 人体姿态估计在现实世界拥挤场景中的应用

    本论文针对人群姿态估计的问题，提出了通过数据增强方法、显式识别遮挡的身体部位和使用合成数据集来优化姿态估计。论文的实验结果表明这些方法提高了模型的准确性，使其在人群场景下获得了与当前最先进方法相媲美的结果。

    Jul, 2019

  • MoCap 引导的数据增强在野外三维姿态估计中的应用

    该论文提出了一种采用基于图像合成方法生成真实图片数据集以训练 CNN 模型，用于解决 3D 人体姿态估计缺少真实数据的问题，并通过在受控环境和实境的表现表明其可行性。

    Jul, 2016

  • 从多个视角重建近距离人类互动

    该研究论文讨论了通过多个校准相机捕捉的近距离互动中多个个体的姿势重建的挑战性任务，并提出了一种整合了学习为基础的姿势估计组件和相应的训练和推断策略的系统。该系统利用多视图 2D 关键点热图作为输入，使用 3D 条件体积网络重建每个个体的姿势，通过合成大规模的模拟测试场景中真实数据分布的训练数据集，实现了对姿势准确性的显著提升，并且在不同相机配置和人群规模下具有很好的泛化性能。

    Jan, 2024

  • 基于图像合成的深度 3D 人体姿态估计

    本文提出了一种在 “野外” 环境中进行三维人体姿态估计的解决方案，通过生成大量的具有三维姿势标注的逼真合成图像，并使用这些图像对全身三维姿势进行端对端的卷积神经网络训练，成功地在受控环境（Human3.6M）中优于大多数已发表的作品，并在真实图像（LSP）中展现了有前途的结果。

    Feb, 2018

  • LASOR: 通过合成有遮挡感知数据和神经网格渲染学习精确的三维人体姿态和形状

    针对人体姿态和形状估计中的遮挡问题，特别是人物之间的遮挡问题，本文提出了一种新的框架，通过合成 occlusion-aware 阴影和 2D 关键点方便估计 SMPL 姿态和形状参数，使用三维神经网格渲染器实现了实时新学习，已在现有数据集中表现出优越性能。

    Aug, 2021

  • 探究严重遮挡：带门控卷积的多人三维姿态估计

    本文提出了一种利用时序回归网络和门控卷积模块来将二维关节转换为三维，并同时恢复缺失的关节的方法，还提供了一个包括多人、重度遮挡的人类动作数据集 MMHuman，并通过实验展示该方法在重度遮挡场景下的效果优于大多数现有的二维到三维姿势估计方法。

    Oct, 2020

  • 使用 2D 边缘热图进行 3D 人体姿态估计

    本文介绍了一种改进的三维人体姿势预测模型 MargiPose，它使用深度神经网络和增强软最大值方案，可以在保持可微性的同时，从单眼 RGB 图像中预测二维边缘热图，并在公开的三维人体姿势估计数据上实现了最新的准确性。

    Jun, 2018