FLEX: 无外参多视角 3D 人体动作重构
通过多个重叠的 4D 神经辐射场(NeRFs)和渐进优化方案,在高度动态的变形组织环境中对移动内窥镜进行隐式场景分离和重建,从而提高了操作简易性并在时间上提供了患者视频的重建能力的改进,同时不依赖于外部跟踪信息。
Mar, 2024
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
该研究通过基于束调整的算法从单眼视频中恢复准确的 3D 人体姿势和网格,通过在整个序列上重建人体来提供额外的约束并解决歧义问题。同时,该研究提出了一个包含超过 3 百万帧来自 Kinetics 的 YouTube 视频数据集,能够提高 3D 运动估计的准确性,该算法具有实际意义。
May, 2019
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
本文提出了一种基于图模型和最大后验估计的多人跨视角估计的方法,旨在解决人体关节匹配和模型鲁棒性的问题,并在四个基准数据集上证明了该方法的有效性和优越性。
Jul, 2020
本篇论文提出了一种新颖的方法,通过检测消失点和地平线变化来预测摄像机的外部参数,从而解决了自动驾驶中相机外参引起的目标检测精度波动问题,并在 KITTI 3D 和 nuScenes 数据集上取得最好的性能表现。
Jun, 2021
通过将跨视图人物匹配视为一个聚类问题,利用人物匹配获得对应关系,通过多视图三角测量和束调整估计三维人体姿势,本方法在无需相机位置和三维训练数据的情况下,优于其他方法对跨视角人物匹配,在三维人体姿势估计方面达到了目前技术水平,并在不同环境设置的五个数据集上展现了良好的泛化能力。
Dec, 2023
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