Mar, 2022

一种三维人体姿态估计框架的遮挡处理能力测量方法

PDF
TL;DR本文提出了一种基于遮挡指导的 3D 人体姿态估计框架，利用不同协议对其遮挡处理能力进行了量化，并利用动作分类表现作为评估标准，证明了该方法能更准确地预测缺失节点的 3D 姿态，并在存在缺失节点时显著提高了动作识别性能。
3d human pose estimationocclusion handlingneural networksmissing jointsaction recognition
发现论文，激发创造
  • 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

  • 探究严重遮挡：带门控卷积的多人三维姿态估计

    本文提出了一种利用时序回归网络和门控卷积模块来将二维关节转换为三维，并同时恢复缺失的关节的方法，还提供了一个包括多人、重度遮挡的人类动作数据集 MMHuman，并通过实验展示该方法在重度遮挡场景下的效果优于大多数现有的二维到三维姿势估计方法。

    Oct, 2020

  • 使用具有显式遮挡训练的时空网络进行 3D 人体姿势估计

    借助多尺度空间特征和多步幅时间卷积网络，在设计 A 的基础上，B 通过在训练过程中模拟各种遮挡情况来提高露出度鲁棒性，并利用 2D 视频数据注入半监督学习能力。实验证实了该方法的有效性，并且消融研究表明我们网络的单个子模块的优势。

    Apr, 2020

  • 多人三维人体姿态估计的明确遮挡推理

    我们开发了一种方法来明确建模隐藏关节推理过程以显着增强有或无遮挡的人体姿势估计，将任务分为两个子任务：可见关键点检测和遮挡关键点推理，并提出了深度监督编码器蒸馏和骨架引导人体形状拟合来训练我们的模型，实验证明从遮挡中明确学习可以提高人体姿势估计的性能。

    Jul, 2022

  • 抗遮挡的三维人体姿势估计

    通过使用空时图形来表示变形的人体，并引入一个细化网络，该网络在此图形上执行图形卷积以输出 3D 姿势，以确保对遮挡鲁棒性，通过使用一组二进制掩码训练此网络，并模拟某些关节在一段时间内可隐藏，并训练网络对此免疫，证明了该方法相对于从单摄像机序列推断姿势的最先进技术的有效性。

    Feb, 2024

  • 物理人机交互中鲁棒性强的多感知姿态估计方法

    提出了一种用于 3D 姿势估计的低成本、无侵入感的多传感器算法，基于 OpenPose 2D 姿势和机器人轨迹，使用粒子滤波器，技术可应用于 PHRI 领域，性能比使用 OpenPose 或机器人轨迹的单一传感器人体姿势估计更好，以及在使用 RULA 评估工具上的姿势评估表现更好。

    Aug, 2022

  • 3D 人体姿态估计对遮挡的鲁棒性如何？

    本文研究了在人机共享环境中，部分遮挡对 3D 人体姿态估计的影响及几种合成遮挡类型对 Human3.6M 数据集中现有方法的影响，并发现性能最好的方法即使在轻微遮挡下也会出现敏感性，通过训练数据增强和合成遮挡来提高遮挡鲁棒性并有效地规范化模型。

    Aug, 2018

  • 学习抽象图像中的重要性：关于遮挡在人体姿势最简编码中的作用

    本文提出了一种使用不透明的三维肢体表示的新方法，该方法在保留遮挡信息的同时，隐含地编码关节位置，从而实现对抽象合成图像的训练，并允许预测完全独立于相机视角的姿势，从而在相同和不同数据集基准测试中取得了显著提升。

    Jul, 2023

  • 人体姿态估计在现实世界拥挤场景中的应用

    本论文针对人群姿态估计的问题，提出了通过数据增强方法、显式识别遮挡的身体部位和使用合成数据集来优化姿态估计。论文的实验结果表明这些方法提高了模型的准确性，使其在人群场景下获得了与当前最先进方法相媲美的结果。

    Jul, 2019

  • 使用分层混合密度网络进行遮挡感知手部姿态估计

    本文提出了一种基于深度学习的新方法（HMDN），用于解决基于图像预测 3D 手模型的姿态参数的问题，该方法可以处理自我遮挡问题，并在两个有遮挡的数据集上超越现有的方法。

    Nov, 2017