多视角多人 3D 姿态估计与平面扫描立体匹配
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
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
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。
Mar, 2020
本文提出了一种名为 PlaneMVS 的新型框架,用于从具有已知相机姿态的多个输入视图中重建 3D 平面。采用多视角几何的 MVS 流水线将平面重建解耦,采用倾斜平面假设来取代传统深度假设并最终学习像素级平面参数及其平面深度图。通过大量室内数据集的实验表明,PlaneMVS 在平面检测和 3D 几何度量上显著优于最先进的单视角平面重建方法。
Mar, 2022
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
该研究提出了一种名为 MvP 的多视角姿态变换器,用于从多视角图像中估计多人的三维姿态,该方法可以直接回归多人三维姿态,并使用几种技术来提高准确性,该模型在多项指标上表现优秀。
Nov, 2021
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
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