Aug, 2022

CLIFF：在完整帧中携带位置信息以进行人体姿态和形状估计

HTML
PDF
TL;DR本文提出一种新方法，将完整画面中的位置信息带入剪裁图像的特征中，以解决在3D人体姿态和形状估计中全局旋转不准确的问题，并提出基于CLIFF的伪基础真值标注器，能为野外2D数据集提供高质量的3D标注和对基于回归的方法提供关键的全面监督。
发现论文，激发创造
  • 3D人体姿态估计的简单而有效的基准线

    通过构建一个借助于当前技术能在控制误差较低前提下从2D开环位置中提取3D位置任务的相对简单的深度前向网络，我们发现了现代深度3D姿态估计系统的可视分析引起的错误是其主要问题。

    May, 2017

  • 野外单目三维人体姿态估计的普适性推广

    研究人员提出了一种基于立体视觉启发的神经网络技术和几何搜索方案来生成高质量的3D姿势地面真实数据，使不需要专业训练模式和辅助损失函数的神经网络模型在野外图像数据中实现良好的3D姿态估计结果。

    Apr, 2019

  • 几何姿态可供性：带场景约束的三维人体姿态

    通过使用基于视觉的场景几何形状信息，我们提出了一种用于改善人体姿态估计的新颖机制：多层深度图。我们展示了这种方法可以提高3D姿态估计的精度。

    May, 2019

  • 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

  • 基于深度学习的单目2D和3D人体姿态估计的最新进展

    本研究调查了深度学习技术在单目视觉下的人体姿态估计方面的最新进展，针对目前各个领域应用进行了综述，并提出了未来需求的研究方向。

    Apr, 2021

  • 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

  • SLOPER4D：一种用于城市环境下全局 4D 人体姿态估计的场景感知数据集

    SLOPER4D是一个具有场景感知能力的数据集，在大型城市环境中收集以促进野外人体姿态估计的全球研究，提供详细的数据、代码和分析，包括相机3D HPE、LiDAR 3D HPE和全局姿态估计这三个任务，它对现有方法提出重要挑战，为未来的研究提供了很大的机会。

    Mar, 2023

  • 一个带有上下文的单一 2D 姿势对于 3D 人体姿势估计价值百倍

    使用现有的2D姿态检测器产生的中间可视化表示，从而获得姿态的空间上下文信息。通过设计一个名为Context-Aware PoseFormer的简单基线方法来展示其有效性，该方法在速度和精度方面明显优于其他使用数百个视频帧的最先进方法。

    Nov, 2023

  • 双视图胜过单视图：多视一致性下的单目三维姿态估计

    通过使用多视角数据对单目人体姿态估计模型进行微调，引入新的一致性损失函数，提升性能，从而实现对特定应用定制模型的实用和经济有效解决方案。

    Nov, 2023

  • SelfPose3d：自监督的多人多视角3D姿势估计

    自我监督方法通过多视角输入图像和伪造姿势进行3D姿势估计，不需要2D或3D真实姿势标签，并且其有效性与完全监督方法相当。

    Apr, 2024