CVPRMar, 2020

光学非直接视物理学基于 3D 人体姿势估计

PDF
TL;DR本文通过光学非视线成像系统获取的瞬态图像描述了一种实现 3D 人体姿势估计的方法，通过使用间接反射的光线，实现了从街角窥视的功能；该方法将非视线成像、人体姿势估计和深度强化学习等多个领域的技术结合起来，通过端对端的数据处理流程，将源源不断的光子测量转换为整个 3D 人体姿势序列的估计，并通过数据综合和增强策略实现靠近现实的 NLOS 成像系统数据的预测。初步实验结果表明，本文所提出的方法可以推广至真实世界的 NLOS 测量，从而实现估算物理上有效的 3D 人体姿势。
3d human pose estimationoptical non-line-of-sight imagingdeep reinforcement learningdata processing pipelinelearnable inverse point spread function
发现论文，激发创造
  • 路径探索者：基于注意力的动态非直视追踪与移动机器人

    非直视成像是一个活跃的研究领域，在动态环境中基于移动相机实现非直视成像一直是一个未解决的问题。本研究提出了一种数据驱动的非直视成像方法，PathFinder，可以通过在小型、功耗受限的移动机器人上安装标准 RGB 相机来使用。我们使用一个基于注意力机制的神经网络来处理连续帧序列的线视 ideo，从中提取包含多个垂直平面的图像，并选择提取获得最大非直视成像信息的平面。我们使用无人机进行视频采集，并验证了该方法在野外场景中的有效性，从而实现了低成本的动态非直视成像。

    Apr, 2024

  • 非直视成像

    该文回顾了非直视成像领域的最新进展，探讨了如何绕过障碍物观察到隐藏在墙壁或其他障碍后方的物体的 3D 图像以及未来的发展前景。

    May, 2020

  • LPSNet：无镜成像的端到端人体姿态和形状估计

    通过无镜成像，提出了第一个端到端的框架，从无镜成像数据中恢复三维人体姿势和形状。

    Apr, 2024

  • 基于人匹配和无监督 2D-3D 提升的实时全向三维多人姿势估计的改进

    本文介绍了一种首个能够在实时环境中处理基本遮挡、能够适应 360 度全景相机和毫米波雷达传感器的多人姿态估计系统，通过使用实时的轻量级 2D-3D 姿态提升算法，在室内外环境中实现了准确的性能表现，提供了一种经济实惠且可扩展的解决方案，并且不论检测到的个体数量如何，系统的时间复杂度保持几乎恒定，能够在商用 GPU 的笔记本上达到大约 7-8 帧每秒的帧率。

    Mar, 2024

  • 全视角成像用于整体形状重建

    Omni-LOS 是一种基于神经计算成像的方法，利用 Single-Photon Avalanche Diode (SPAD) 时间飞行传感器进行综合形状重建 (HSR)，并将直接和非直接成像相结合，以便从单个扫描位置恢复对象的整体形状。

    Apr, 2023

  • 基于物理学的轨迹优化算法，从单目视频重建 3D 人体姿态

    本研究利用物理引擎对姿态估计过程进行改进，从而使得我们可以利用现实世界的场景推导出物体的运动。我们的公式具有广泛的应用场景，并可处理自身接触和与场景几何之间的接触。我们的方法在 Human3.6M 和 AIST 基准测试中均获得了与现有基于物理的方法相竞争的结果，同时不需要重新训练。

    May, 2022

  • ElePose: 通过预测相机高度并在二维姿态上学习归一化流的无监督三维人体姿态估计

    本文提出一种无监督的方法，通过学习从单张图像预测 3D 人体姿态来解决对于许多人类活动尚不存在标注训练数据的挑战，并且采用正则化流和对 2D 和 3D 姿态进行线性子空间投影来提高性能。

    Dec, 2021

  • 感知人类：从单目 3D 定位到社交距离

    提出了一种成本效益高的基于视觉的方法，通过神经网络预测置信区间而非点估计来解决单眼 3D 任务中的挑战，从而能够有效识别交通系统中的人体姿态及其所在位置，并探讨了其在社交互动、安全等多个方面的应用。

    Sep, 2020

  • HPERL：基于 RGB 和 LiDAR 的三维人体姿态估计

    使用 RGB 和 LiDAR 技术的端到端架构，以前所未有的准确度预测绝对的三维人体姿势，同时采用 PedX 的二维姿态注释生成三维预测。

    Oct, 2020

  • OSOP: 多阶段一次拍摄物体姿态估计框架

    提出一种新颖的对象检测和 6 自由度姿态估计一次性方法，无需对目标对象进行训练，通过 2D-3D 对应估计物体姿态

    Mar, 2022