Aug, 2019

深度视频3D人体姿势估计的轨迹空间分解

HTML
PDF
TL;DR该论文提出了一种使用矩阵分解来进行序列3D人体姿势估计的深度学习框架，通过对轨迹系数矩阵进行深度回归操作，可以为输入序列中的每个帧输出3D姿态估计，取得了多个基准数据集上最先进的表现。
发现论文，激发创造
  • 稀疏性与深度结合：单目视频中的3D人体姿态估计

    本文通过提出一种新的方法，在人体姿势估计中实现了更好的3D姿势估计精度，通过使用单目图像序列并利用深度全卷积网络预测2D关节位置的不确定性图，并使用期望最大化算法进行3D姿势估计。

    Nov, 2015

  • 使用三维卷积神经网络实现时空人体姿态估计

    本研究探讨了卷积神经网络在处理单目视觉下3D人体姿态感知任务方面的能力，通过将时间维度编码在卷积空间中的第三个维度，直接回归到3D坐标空间中的人体关节位置，从而在选定的Human3.6M数据集上展示了该网络达到了最先进的性能。

    Aug, 2016

  • 通过距离矩阵回归实现单幅图像的3D人体姿态估计

    本文研究了从单个图像估计三维人体姿态的问题，并利用距离矩阵回归的方法，结合卷积神经网络检测器在处理距离矩阵时能自然处理遗漏的 joint信息，在 Humaneva 和Human3.6M 数据集上表现出更好的性能。

    Nov, 2016

  • 3D人体姿态估计的简单而有效的基准线

    通过构建一个借助于当前技术能在控制误差较低前提下从2D开环位置中提取3D位置任务的相对简单的深度前向网络，我们发现了现代深度3D姿态估计系统的可视分析引起的错误是其主要问题。

    May, 2017

  • 利用时间信息进行三维姿态估计

    本文提出了一种基于LSTM网络，使用时间信息提高2D关节点坐标序列估算3D姿势的鲁棒性和一致性，实验在Human3.6M上提高了12.2%的精度。

    Nov, 2017

  • 使用具有显式遮挡训练的时空网络进行3D人体姿势估计

    借助多尺度空间特征和多步幅时间卷积网络，在设计A的基础上，B通过在训练过程中模拟各种遮挡情况来提高露出度鲁棒性，并利用2D视频数据注入半监督学习能力。实验证实了该方法的有效性，并且消融研究表明我们网络的单个子模块的优势。

    Apr, 2020

  • 深度双连续网络用于人体姿态估计

    本文提出了一种基于多帧和时序信息的人体姿态估计方法。该方法包含三个模块：姿态时序合成器、姿态残差融合模块和姿态校正网络。在 PoseTrack2017 和 PoseTrack2018 数据集上进行的实验结果表明，该方法取得了最佳效果，并已发布代码以期促进未来的研究。

    Mar, 2021

  • 捕捉运动中的人类：从单目视频中估计时间关注的三维人体姿态和形状

    该研究提出了一种运动姿势和形状网络（MPS-Net）来有效地捕捉视频中的运动并从中估计准确的和时间连续的三维人体姿态和形状。MPS-Net利用运动连续性注意力（MoCA）模块和分层注意特征融合（HAFI）模块以提高运动姿势的精度并使用更少的网络参数。

    Mar, 2022

  • 基于人体姿势的深度学习估计、跟踪和动作识别：综述

    该论文综述了基于深度学习的姿势分析应用，包括姿势估计、姿势跟踪和动作识别，并讨论了现有技术的优势和局限性，重点介绍了将这三个任务整合到视频序列的统一框架中的方法，并探讨了相关挑战和未来研究方向。

    Oct, 2023

  • 一个带有上下文的单一 2D 姿势对于 3D 人体姿势估计价值百倍

    使用现有的2D姿态检测器产生的中间可视化表示，从而获得姿态的空间上下文信息。通过设计一个名为Context-Aware PoseFormer的简单基线方法来展示其有效性，该方法在速度和精度方面明显优于其他使用数百个视频帧的最先进方法。

    Nov, 2023