Sep, 2019

从单目图像估计多人三维人体姿态

HTML
PDF
TL;DR通过提出的 HG-RCNN 网络，借助 Mask-RCNN 和 Hourglass 结构进行多人 3D 人体姿态估计，实现对每个感兴趣区域（RoI）中 2D 关键点的先预测后提升，最终采用弱透视投影模型和焦距和根偏移的联合优化将估计的 3D 姿态置于相机坐标系下，该网络简单模块化且无需多人 3D 姿态数据集，取得了MuPoTS-3D 数据集的最优性能，并能近似在相机坐标系下估计 3D 姿态。
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

  • LCR-Net++：自然图像中多人2D和3D姿态检测

    本文提出了一种LCR-Net架构，包括姿态候选生成器、姿态候选分类器和姿态回归器，可以同时预测多个人的2D和3D姿态，并且不需要初始人类本地化。该方法在姿态估计的表现上显著优于现有技术，特别是具有局部遮挡或图像边界截断的人体部分的情况。

    Mar, 2018

  • XNect: 单目RGB相机多人实时3D动作捕捉

    本文提出了一种实时的多人三维运动捕捉方法，使用单个RGB相机以超过30fps的速度进行，利用卷积神经网络和全连接神经网络来估计每个人的2D和3D姿态特征，并在空间-时间骨骼模型拟合后返回完整的骨骼姿态，相较于以往方法，本方法在多人场景中以前所未有的速度返回全局姿态。

    Jul, 2019

  • 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

  • 无监督跨模态对齐用于多人三维姿态估计

    通过使用新颖的神经表示，我们提出了一种部署友好的、快速的自下而上的多人三维人体姿态估计框架；进一步，我们基于跨模态的对齐问题，提出了一种实用的部署范式，使得我们的模型不仅能够处理现实世界的图像，而且在速度与性能之间实现了更好的平衡。

    Aug, 2020

  • 三维单目视频多人姿势估计的图形和时间卷积网络

    提出了一种新的框架，将图卷积神经网络（GCNs）和时间卷积神经网络（TCNs）相结合，以强韧地估计无需摄像机参数即可实现相机中心多人3D姿态的方法。该方法利用可见关节和骨头信息来估计遮挡或缺失的人体部分信息，并结合使用GCNs和TCNs的方法。定量和定性评估表明，所提出的方法具有实际应用效果。

    Dec, 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

  • 多视角人物匹配与任意非标定相机网络下的三维姿态估计

    通过将跨视图人物匹配视为一个聚类问题，利用人物匹配获得对应关系，通过多视图三角测量和束调整估计三维人体姿势，本方法在无需相机位置和三维训练数据的情况下，优于其他方法对跨视角人物匹配，在三维人体姿势估计方面达到了目前技术水平，并在不同环境设置的五个数据集上展现了良好的泛化能力。

    Dec, 2023