Mar, 2021

人体去遮挡：人的隐形感知与恢复

PDF
TL;DR使用两阶段框架和基于 mask 的网络方法，本文针对人体消失的问题进行研究，提出了一种新颖的注意力模块和收集了 Amodal Human Perception dataset（AHP）来验证我们方法的有效性和优越性。
human de-occlusionsegmentation maskscontent recoveryamodal human perception dataset (ahp)attention module
发现论文，激发创造
  • 可视化无形：遮挡车辆分割与恢复

    本文提出了一种新颖的迭代多任务框架，用于完成遮挡车辆的分割掩膜并恢复其不可见部分的外观，并在包含合成和真实世界图像的数据集上表明了我们的方法优于现有方法，同时也证明了外观恢复方法在遮挡车辆跟踪中的应用价值。

    Jul, 2019

  • 遮挡人体姿态估计的全面框架

    本文提出了一个综合框架 DAG (Data, Attention, Graph)，用于解决因遮挡引起的性能降级问题。通过模拟遮挡场景，引入了掩蔽关节与实例粘贴数据增强技术；通过自适应判别注意力模块 (ADAM) 有效增强目标个体的特征；通过特征引导的多跳图卷积网络 (FGMP-GCN) 充分探索身体结构的先验知识，并提高姿势估计结果。通过在三个用于遮挡人体姿势估计的基准数据集上进行了广泛的实验，我们证明了所提出的方法优于现有的方法。代码和数据将公开提供。

    Dec, 2023

  • 分割重构引导的面部图像去遮挡

    本研究提出了一种基于人脸分割和三维人脸重建的面部去遮挡模型，通过预测面部先验和遮挡掩码实现了对所有种类的面部遮挡（包括毛发等较模糊的边界）的自动去除，并为了监督训练进一步构建了一个大型遮挡数据集。实验证明，该方法有效且鲁棒。

    Dec, 2021

  • 遮挡人体网格恢复

    本文提出了一种顶部下降的网格恢复方法（OCHMR），该方法利用图像空间上下文来克服单人假设的局限性，并通过 Contextual Normalization 块适应性地调节顶部下降模型的中间特征，这使得模型能够在多人遮挡的情况下区分出严重重叠的人边框，从而获得了优于其他方法的表现。

    Mar, 2022

  • 从单目图像中恢复 3D 人体网格：一项调查

    本篇文章调查了单目三维人体网格恢复的相关任务，包括身体模型，恢复框架 / 训练目标，数据集评估指标和评测结果，并从优势和劣势方面深入分析了两种范式：优化和回归。作者希望激励研究人员的兴趣，促进该领域的研究。

    Mar, 2022

  • 外观一致性驱动的自监督人体 Mesh 恢复

    该论文提出了一种无需成对指导下从单眼图像中推断人体姿态和形状的自我监督的人类网格恢复框架，具有较强的鲁棒性和良好的通用性。

    Aug, 2020

  • 从部分观察中获取全身意识

    本文提出了一种简单而高效的自学习框架，以适应消费视频数据的人体三维网格恢复系统，并在此基础上进行 13K 帧的评估以及对任务的关键点注释，结果显示我们的方法在测试视频上具有较高的准确性和人为判断水平。

    Aug, 2020

  • 用于人体网格恢复的密集 UV 补全学习

    我们提出了一种名为 Dense Inpainting Human Mesh Recovery (DIMR) 的两阶段方法，利用密集的对应关系图处理遮挡问题，采用基于注意力机制的特征完成模块，通过特征修补训练过程指导网络从非遮挡特征中学习，实验证明我们的方法在重度遮挡场景下表现优异，并在标准基准（3DPW）上取得可比较的结果。

    Jul, 2023

  • 非物体的全景分割

    提出一种名为 amodal panoptic segmentation 的任务，旨在同时预测 stuff 类可见区域的像素级别语义分割标签和 thing 类可见区域以及遮挡区域的实例分割标签。扩展两个基准数据集以便研究新任务，在公开可用的 KITTI-360-APS 和 BDD100K-APS 中提供像素级别的 amodal panoptic 分割标签。提出了 APSNet 模型，它显式地建模了遮挡物和被遮挡物的复杂关系。在两个基准测试上达到了最先进的性能。

    Feb, 2022

  • 感知无形：无需提案的全视野不论提取分割

    本文提出了一种无需预测提议、将 amodal mask 分配到不同层级、通过在每一层独立地进行 amodal 实例回归来预测交通参与者及其语义标签的 proposal-free 多标签多类别无缝分割网络，并采用共享骨干和不对称双解码器的 et 架构以及 amodal mask refiner，其在 BDD100K-APS 和 KITTI-360-APS 数据集上的测试表明超越了现有技术水平。

    May, 2022