Mar, 2020

用于三维人体姿势估计的度量尺度截断鲁棒热图

PDF
TL;DR本研究中，我们提出了一种度量尺度的截断鲁棒体素热力图，该热力图的维度定义在靠近主体的度量 3D 空间中，使我们能够在没有测试时间知识的情况下估计完整的度量尺度姿势，同时优于现有人体姿势估计标准，具有实时性。
metric-scale posesvolumetric heatmapshuman pose estimationconvolutional networkresolving scale ambiguity
发现论文，激发创造
  • MeTRAbs: 度量尺度截断鲁棒热力图用于绝对三维人体姿态估计

    该研究提出了一种新型的体积热图来实现更准确的人体姿势估计，并结合 2D 图像空间下的热图来实现绝对 3D 姿势的估计。该方法利用 ResNet-50 模型，在几项基准测试中取得了最新的最高成绩。

    Jul, 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

  • 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

  • HEMlets 姿态：学习基于部件中心的热图三元组，以实现准确的三维人体姿态估计

    本研究提出了一种使用 Part-Centric Heatmap Triplets 作为中间状态的方法，通过 Convolutional Network 将其从输入的图像预测出来，并在 volumetric joint-heatmap regression 之后从体积热图中提取出关节位置，从而缩小了 2D 与 3D 之间的差距，实现 3D 人体姿态估计，并在对比实验中比当前最先进的方法有明显的性能提升（Human3.6M 上提升了 20%）。

    Oct, 2019

  • 基于隐变量 2.5D 热力图回归的手部姿态估计

    本文提出一种使用 2.5D 姿势表示的新方法来从单目图像中估计 3D 手部姿态，通过使用深度图和热力图分布来训练卷积神经网络 (CNN) 模型，该模型在多个数据集上实现了最先进 2D 和 3D 手部姿态的估计。

    Apr, 2018

  • 可学习的人体姿态三角剖分

    基于可学习的三角测量方法，使用两种新颖方案对多视图 3D 人体姿势估计进行了探索，其中一种使用置信度权重，另一种是基于体积聚合和三维卷积技术，具有端到端可微的特性，提高了 Human3.6M 数据集上的多视图姿态估计表现。

    May, 2019

  • 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

    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。

    Sep, 2018

  • 基于热图引导的自适应关键点排序的底层人体姿态估计

    本文介绍了一种基于向下拼接的人体姿态估计框架，其中通过关键点检测和聚类两个阶段进行处理。在该框架下，本文提出了多种方案，包括使用关键点热图进行像素级别的关键点回归、采用像素级别空间变换网络学习适应性表示处理尺度和方向差异并提高关键点回归质量，以及使用联合形状和热值评分方案提升预测姿态的可靠性，最终获得了最先进的人体底部向上姿态估计结果。

    Jun, 2020

  • 使用热图加权损失的轻量级人体姿态估计

    本文提出了一种减轻资源负荷、加速推理速度的方法，是通过在 SimpleBaseline 的反卷积头网络中引入注意机制来利用原始、跨层次和内层次信息以提高精度，并采用称为 heatmap 加权损失的新型损失函数，生成热图上每个像素的权重，使模型更加注重关键点，实验证明我们的方法在性能和资源和推理速度之间实现了平衡，具有不错的适用性。

    May, 2022

  • 自注意传播网络用于自我中心热图到 3D 姿势提升

    提出了 EgoTAP 方法，用于高精度的立体自我中心 3D 姿势估计，通过使用自我注意力将联合热力图总结为有效的特征嵌入，然后利用骨骼信息来更好地估计模糊关节的位置，明显优于先前的最先进方法，定量和定性地证明了 MPJPE 度量误差减少 23.9％。

    Feb, 2024