Nov, 2020

野外无监督单目3D人体姿态估计CanonPose

HTML
PDF
TL;DR本文提出了一种自我监督的方法，利用未标注的多视角数据学习单图像三维姿态估计器，通过多视角一致性约束将观察到的二维姿态分离成基础的三维姿态和相机旋转，并且提出了新的、无偏的重建目标函数，跨视角和训练样本混合信息。该方法在两个基准数据集（Human3.6M和MPII-INF-3DHP）和野外SkiPose数据集上进行了评估。
发现论文，激发创造
  • 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

  • 相对论：弱监督数据下的单目三维人体姿态估计

    通过弱监督学习和人群注释者提供的深度相对估计信号，我们提出一种 3D 人体姿势估计算法，用于只在 2D 输入图像中学习。结果竞争力优于目前现有算法，可为在未经过精心控制的现实世界中进行3D姿势估计开辟道路。

    May, 2018

  • 使用多视角几何的自监督学习3D人体姿势

    本研究提出了一种基于自主学习的 3D 人体姿态估计方法 EpipolarPose，可以不需要 3D 地面真实数据或相机外参信息，通过对多视图图像中的 2D 姿态进行估计，然后利用极线几何获得 3D 姿态和相机几何信息进行训练 3D 姿态估计，实验结果表明，在标准数据集 Human3.6M 和 MPI-INF-3DHP 上，本方法 在弱/自监督方法中取得了最新的最新最优成果，并提出了一种新的性能度量 Pose Structure Score （PSS） 来度量姿势相对于其地面真实性的结构合理性。

    Mar, 2019

  • 利用显式2D特征和中间3D表示进行野外人体姿势估计

    本文提出了一种基于卷积神经网络的深度学习方法，用于单目3D人体姿态估计，具有高精度和更好的野外场景泛化能力，可以联合在具有3D标签和仅有2D标签的图像数据上进行训练，并在具有挑战性的野外数据上实现了最先进的准确性。

    Apr, 2019

  • 野外单目三维人体姿态估计的普适性推广

    研究人员提出了一种基于立体视觉启发的神经网络技术和几何搜索方案来生成高质量的3D姿势地面真实数据，使不需要专业训练模式和辅助损失函数的神经网络模型在野外图像数据中实现良好的3D姿态估计结果。

    Apr, 2019

  • 野外多视角图像下的弱监督3D人体姿态学习

    本文提出一种基于弱监督方式，利用多视角数据进行3D人体姿势估计的学习框架，包括利用2.5D表示法的目标函数，经过测试在两个大规模数据集上达到了半监督/弱监督方法的最佳表现。

    Mar, 2020

  • 基于部件导向的新颖图像合成的自监督三维人体姿态估计

    本文提出了一种基于自监督学习的框架，利用单个基于零件的2D木偶模型、人体姿势约束和一组未配对的3D姿势来区分摄像机捕捉的人体姿态中的变化，从而在不同视频中提高多个任务的性能，包括3D姿势估计和部分分割。

    Apr, 2020

  • 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

  • 自监督单张图像下的三维人体姿态估计

    本论文提出了一种新的自我监督方法，通过训练不带标签的典型姿势图像数据集和未成对的2D姿势数据，从而实现了从单幅图像预测3D人体姿势的网络映射，可用于快速应用于其他人工结构（例如动物）的姿态估计。

    Apr, 2023

  • 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