Jul, 2019

单张RGB图像的3D多人姿态估计之基于相机距离的自顶向下方法

HTML
PDF
TL;DR本文提出了一种全面的基于学习的、视野距离感知的自顶向下的方法，用于从单个RGB图像中估计多人的3D姿态，并通过人体检测、3D人体根位置定位和相对根姿态估计模块，实现了与最先进单人3D姿态估计模型可相媲美的结果，同时也比公开数据集上之前的3D多人姿态估计方法表现更出色。
发现论文，激发创造
  • 从单目RGB图像估计多人三维姿态的单次拍摄方法

    提出了一种新的单次拍摄的方法来从单目RGB相机中对一般场景中的多人进行3D姿态估计，该方法使用新颖的鲁棒姿势地图（ORPM），该地图能够在其他人和场景中的强烈部分遮挡下实现全身姿态推断，并通过人体部位关联，在不需要显式边界框预测的情况下推断任意数量的人的3D姿态，并通过实际图像中显示的大型多人交互和遮挡的第一个大规模训练数据集MuCo-3DHP进行培训，并在我们的新挑战性的3D注释多人测试集MuPoTs-3D上取得了良好的性能。

    Dec, 2017

  • 基于弱深度监督的多人绝对三维人体姿态估计

    本文提出了一种利用RGB-D图像进行弱监督训练的网络，用于多人绝对姿态估计，可缓解缺乏大规模、多样化数据集的问题，并在多个数据集中实现了持续的错误率改进与在MuPoTS-3D数据集上的全球领先结果

    Apr, 2020

  • HMOR: 分层多人标度关系用于单目多人3D姿势估计

    本文提出了Hierarchical Multi-person Ordinal Relations (HMOR) 的方法来解决 monocular RGB 相机下 3D multi-person 姿态估计问题，通过构建一个多层的ordinal relation 层级结构从而提高了模型的全局连贯性，进而设计了一套集成的 top-down 模型，在 coarse-to-fine 的框架下同时估计bounding boxes, depths和 root-relative 3D poses，以此达到更加精确的深度估计。与之前的SOTA方法相比，本文的方法在公开的多人3D姿势数据集上取得了显著的优势，且计算复杂度更低、模型参数更少。

    Aug, 2020

  • 通过整合自上而下和自下而上网络进行单目3D多人姿态估计

    本研究提出一种结合自上而下和自下而上方法的3D多人姿态估计方法，并利用两人姿态鉴别器和半监督方法增强鲁棒性和准确性，实验证明该方法比现有基线模型更有效。

    Apr, 2021

  • 基于图像的多视角3D多人姿态估计

    本文介绍了一种从多个校准相机视角估计多个人的3D姿势的方法，通过使用图神经网络以及特定任务的模块实现了高性能、低计算复杂度的结果。

    Sep, 2021

  • 多视角图像中的多人姿态估计与形状感知

    本文提出了一种基于多视图图像的多人姿态估计方法，在统计参数体模型的引导下，这种方法能够更好地纠正不合理的3D姿态估计和填充缺失的关节点检测，将2D和3D观测联系起来，从而更准确地估计3D姿态并且具有较好的泛化性能，实验表明该方法的效果优于现有的方法。

    Oct, 2021

  • 多人三维姿态估计的分布感知单阶段模型

    本文提出了一种新颖的分布感知单阶段（DAS）模型，它使用全卷积神经网络进行实现，能够在3D相机空间中同时定位多个人的位置和它们对应的人体关节，采用递归更新策略以接近回归目标，并具有最先进的精度和效率。

    Mar, 2022

  • 单目三维多人姿态估计的相互适应推理

    本论文提出了一种新的统一模型，通过结构化2.5D姿势估计和端到端几何感知深度推理方法相结合，解决了估计单目多人3D姿势以摄像机为中心坐标的问题，相比于现有的自顶向下和自底向上方法，我们的模型在准确性和速度方面都表现出色。

    Jul, 2022

  • 多人无标记数据3D姿势估计

    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

  • 多视角非标定深度相机下的多人三维姿态估计

    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