本篇论文对基于深度学习的 2D 和 3D 人体姿态估计方法及其挑战、框架、数据集、度量标准、性能比较和未来研究方向进行了综述。
Jun, 2020
本研究对基于深度学习技术路线的三种主要任务:单个物体实例级别姿态检测、类别级别姿态检测和单目物体姿态跟踪的方法进行了全面的综述,详细介绍了检测和跟踪的度量、数据集和方法,并在几个公开可用的数据集上提出了现有最先进方法的比较结果,同时提供了深入的观察和启发未来研究方向。
May, 2021
利用物体分类内部几何规律的数据驱动姿态估计方法。首先,从 2D RGB 图像学习物体部分的姿态不变局部描述符。将这些描述符与来自固定3D 模板的关键点结合使用,生成给定单眼实际图像的关键点对应图。最后,使用这些关键点对应图,预测物体的3D 姿态。该方法在多个真实环境的视角估计数据集,如 Pascal3D + 与 ObjectNet3D 上的表现达到最佳水平,并且我们公开了所使用方法的代码以鼓励再生研究。
Sep, 2018
物体姿态估计是一项核心感知任务,针对单目相机方法,其主要挑战包括遮挡处理、姿态表示、类别级姿态估计以及不确定性估计。
Jul, 2023
本研究调查了深度学习技术在单目视觉下的人体姿态估计方面的最新进展,针对目前各个领域应用进行了综述,并提出了未来需求的研究方向。
Apr, 2021
基于深度学习的物体姿态估计的最新进展、挑战和未来研究方向的综述。
May, 2024
该研究利用深度学习在单目 3D 人体姿势估计领域提出了一种新型结构,可以同时从图像中推算出 3D 关节坐标和 2D 关节位置,使用可训练的融合方案使信息得以最佳融合,从而在标准的 3D 人体姿势估计基准测试中大幅提高了现有技术水平。
Nov, 2016
在大型工业空间中,物体定位尤其是物体姿态估计对于物料流动操作至关重要。本文提供了一种在大型单目图像数据集上进行标注而无需人工劳动的方法,通过定位空间中的摄像头、将它们的位置与动作捕捉系统统一,以及使用一组线性映射将感兴趣物体的三维模型投影到其真实位置。在工业环境中的自定义数据集上测试,我们的方法能够以人工标注者所需时间的一小部分为数据集中的 26,482 个物体实例提供一致的高质量标注。
Oct, 2023
本篇文章调查了单目三维人体网格恢复的相关任务,包括身体模型,恢复框架 / 训练目标,数据集评估指标和评测结果,并从优势和劣势方面深入分析了两种范式:优化和回归。作者希望激励研究人员的兴趣,促进该领域的研究。
Mar, 2022
通过训练一个鲁棒的单目三维物体检测模型,采用包括多样化的三维和二维数据集、有选择地训练不同类别注释的数据集和使用二维标签的伪三维训练方法,我们可以获得具有强大泛化能力和对只有二维标签的新数据集表现出色的模型。