CVPRMar, 2020

实现超过 100 FPS 的多人 3D 姿态估计的跨视图跟踪

PDF
TL;DR本论文提出了一种基于多个校准相机视角的、面向实时应用的多人三维姿态估计解决方案，利用视频中的时间一致性直接在三维空间中匹配二维输入与三维姿态，通过跨视图多人跟踪迭代地更新姿态，从而提高了准确性和效率，并介绍了新的大规模多人数据集。
multi-human 3d pose estimationcalibrated camera viewstemporal consistencycross-view associationreal-time applications
发现论文，激发创造
  • 多视角快速且鲁棒的多人 3D 姿势估计

    本文介绍了一种多人 3D 姿态估计的快速、鲁棒方法，使用多方式匹配算法来解决在噪声和不完整的 2D 姿态预测中查找跨视角对应关系的主要挑战，并结合几何和外观提示进行跨视角匹配。

    Jan, 2019

  • 针对多视角多人 3D 姿态估计与跟踪的部位感知测量

    本文介绍了一种基于多视图校准的多人 3D 姿势估计和跟踪方法，利用时序一致性来匹配先前构建的每个视图中的用 2D 姿势估计生成的 3D 骨架，同时提出两种策略，以实现更好的对应关系和 3D 重构。该方法在两个基准上实现了竞争性成果，并在 Campus 测试中取得了良好的结果。

    Jun, 2021

  • 多视角 3D 人体姿态跟踪的迭代贪婪匹配

    本研究提出了一种从校准相机组中估计多个人的 3D 人体姿态的方法，通过多个视角估计人体姿态在全局坐标系内，并利用二分图匹配跟踪多人在多帧中实现特别高效的 3D 解决方法，取得了最先进的结果。

    Jan, 2021

  • 三维人体姿态估计的跨视角融合

    该研究提出了一种基于多视角几何先验的方法，通过逐步改进三维姿态的准确性来从多视角图像中恢复绝对三维人体姿态。

    Sep, 2019

  • 从多视角图像学习单目三维人体姿态估计

    本文提出了一种通过多视角的训练，使用一致性约束联合监督损失及惩罚项实现替代大量标注的 3D 人体姿态估计方法，并提出了一种联合估计相机姿态及人体姿态的方法，在 3D 人体姿态估计方面取得了良好的表现。

    Mar, 2018

  • 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

  • MetaPose: 无需 3D 监督，快速从多视图中获得 3D 姿态

    本文介绍如何使用神经网络模型进行多摄像头人体姿势估计，在考虑多角度遮挡及联合位置不确定性情况下，使用 2D 关键点数据进行训练。相比于经典捆绑调整与弱监督单目 3D 基线方法，我们的模型在 Human3.6M 和 Ski-Pose PTZ 数据集上表现更好。

    Aug, 2021

  • UPose3D：带有跨视角和时间线索的不确定性感知 3D 人体姿态估计

    UPose3D 是一种新颖的多视图 3D 人体姿势估计方法，通过改进鲁棒性和可扩展性来解决准确性的挑战，同时不需要直接的 3D 注释。

    Apr, 2024

  • 双视图胜过单视图：多视一致性下的单目三维姿态估计

    通过使用多视角数据对单目人体姿态估计模型进行微调，引入新的一致性损失函数，提升性能，从而实现对特定应用定制模型的实用和经济有效解决方案。

    Nov, 2023

  • 从多个视角重建近距离人类互动

    该研究论文讨论了通过多个校准相机捕捉的近距离互动中多个个体的姿势重建的挑战性任务，并提出了一种整合了学习为基础的姿势估计组件和相应的训练和推断策略的系统。该系统利用多视图 2D 关键点热图作为输入，使用 3D 条件体积网络重建每个个体的姿势，通过合成大规模的模拟测试场景中真实数据分布的训练数据集，实现了对姿势准确性的显著提升，并且在不同相机配置和人群规模下具有很好的泛化性能。

    Jan, 2024