Mar, 2021

从野外多个不受限制图像中的概率三维人体形状和姿势估计

HTML
PDF
TL;DR本研究提出了一种新的任务，在人体形态和姿势估计中使用多幅图像组成的分布预测模型，使我们能够量化姿势预测的不确定性，并提高了 3D 人体形态估计度量标准。
发现论文，激发创造
  • SMPL 约简：从单张图片自动估计三维人体姿态和形状

    本研究提出了一种基于DeepCut和SMPL模型的3D姿态估计方法，能够从单张无约束的图像中自动预测人体的姿态和形状，实现了对人体结构和运动的精确推断。

    Jul, 2016

  • 从单色图像学习估计三维人体姿态和形状

    该论文提出了一种基于卷积神经网络的直接预测方法，将参数化的统计全身形状模型与2D关键点和掩膜相结合，实现从单张彩色图像中估计全身的 3D 姿态和形状，得到了比先前基准更好的结果。

    May, 2018

  • 人体建模：从单张图像非参数三维人体形状估计

    本文提出了一种基于深度图的非参数方法，用于从单个RGB图像中估计人体的3D形状，并结合对抗训练进行优化，并在真实数据集上进行了验证。

    Aug, 2019

  • 利用三维场景约束解决三维人体姿态歧义

    该研究通过利用场景结构、建立人体与场景之间的“临近关系与对象排除法”来更好地从单眼图像中估计人体姿势，并显示引入场景约束可以显著减少3D关节误差和顶点误差。

    Aug, 2019

  • 野外准确三维人体姿态和形状估计的合成训练

    本文提出了 STRAPS 系统，它利用代理表示法（如轮廓线和 2D 关节点）作为输入，使用合成数据来培训形状和姿态回归神经网络，以克服数据稀缺性问题，并在人体形状估计方面的具有挑战性的SSP-3D数据集上表现出色，其精度超过其他最先进的方法。

    Sep, 2020

  • 一个稀疏约束的优化方案，用于3D人体姿势与形态估计的复兴

    该研究提出了一种新颖的基于稀疏约束的3D人体姿态和形状估计方法，通过高效计算 Gauss-Newton 方向并利用优化问题的稀疏约束性质，将优化时间缩短到4ms左右，并成功地将其应用于单张图像的实时运动捕捉领域。

    May, 2021

  • 基于层级运动学概率分布的野外图像3D人体形状和姿态估计

    通过训练深度神经网络，使用人体运动树结构来估计相对3D关节旋转矩阵的分层矩阵费舍尔分布（即身体姿态）和SMPL身体形状参数的高斯分布，实现了对3D人体形状和姿态的分布性预测，能够有效地量化预测不确定性并从中采样出多种可能的3D重建形式，从而解释给定的输入图像。

    Oct, 2021

  • 多视角图像中的多人姿态估计与形状感知

    本文提出了一种基于多视图图像的多人姿态估计方法，在统计参数体模型的引导下，这种方法能够更好地纠正不合理的3D姿态估计和填充缺失的关节点检测，将2D和3D观测联系起来，从而更准确地估计3D姿态并且具有较好的泛化性能，实验表明该方法的效果优于现有的方法。

    Oct, 2021

  • 利用度量和语义属性进行精准的三维人体形状回归

    通过采集互联网上的时尚模特图片和一小部分人体测量数据，以及用于各种三维身体网格的语言形状属性，我们训练了一种名为SHAPY的神经网络，该模型可从RGB图像中回归出三维人物的姿态以及形状。在新的HBW数据集上进行测试，SHAPY在三维人体形状估计任务上表现出色，明显优于现有技术。

    Jun, 2022

  • 使用独立标记捕捉每个关节的动作：三维人体姿态和形状估计

    提出一种基于Transformer的模型，使用三种独立的tokens学习人体的3D关节旋转，身体形状和位置信息，进而估算SMPL参数，从而解决单目图像或视频中3D人体姿态和形状估计的困难问题，并具有较好性能。

    Mar, 2023