基于最优输运理论的射频三维人体姿态估计
该研究提出了一种新的使用mmWave雷达在实时情况下检测和跟踪人体骨架的方法,使用机器学习进行骨骼关节的三维定位,可应用于交通监控、自动驾驶、病人监测和国防军事等领域,并且克服了光照和恶劣气象条件的影响。
Nov, 2019
本文提出了一种基于深度神经网络的新方法TransPose,旨在通过仅6个惯性测量单元(IMUs)的运动数据,实现全身动作的捕捉,包括全局平移和身体姿势,并展示了其在准确性和效率方面优于目前的学习和优化方法。
May, 2021
本文提出了一种利用无线电信号生成可见光图像的新方法,采用双分支生成神经网络使用跨模态监督策略对视觉域内的基于信号的特征进行条件化,最终仅使用Wi-Fi信号成功地合成了人类轮廓和骨架视频。
Mar, 2022
本论文旨在探索无人标记的射频信号数据在无监督学习下,是否能适应基于RGB的表示学习,并表明这种方法在多种任务上已经超过了基于射频信号的人体感知的最新成果,为来自这种新颖方式的无监督表征学习开辟了可能性。
Jul, 2022
本论文提出了 Faster VoxelPose 方法,通过在三个二维坐标平面上重投影特征体积并分别从其中估计 X、Y、Z 坐标,以解决多人三维姿态估计的计算负担过重问题。该方法可以在不需要昂贵的三维卷积神经网络的情况下,使 VoxelPose 的速度提高十倍,同时达到与最先进方法相当的准确性,显示了其在实时应用中的潜力。
Jul, 2022
本文提出了一种新型的人体姿态估计基准测试,使用交叉校准的毫米波雷达传感器和单眼RGB相机进行跨模态训练,在不涉及人类隐私的情况下,利用毫米波雷达的优势,通过2D关键点表示人体关节进行训练,并采用新的雷达预处理方法和姿态修正图卷积网络进行预测关键点的信心热图的优化,实现了比传统方法更好的人体姿态估计性能。
Oct, 2022
本文提出一个基于Radio Frequency Sensing技术和Correlated Knowledge Distillation理论的轻量级人体姿态监测系统,通过训练多支教师和学生网络以获得准确、轻量级的姿态估计,并探究RF-visual信号相关性。
May, 2023
利用射频视觉技术进行被遮挡手势估计,介绍了OCHID-Fi方法作为第一个具有3D姿态估计能力的射频手势估计方法,通过跨模态和跨域训练过程,使其能在遮挡场景中表现出色,并具有推广到新领域的通用性。
Aug, 2023
本文提出了一种针对弱监督WiFi姿势估计的领域自适应算法AdaPose,该方法通过引入映射一致性损失来消除源域和目标域之间的领域差异,从而在智能城市中广泛应用WiFi姿势估计。
Sep, 2023
mmDiff是一种针对嘈杂雷达数据的新型扩散式姿势估计器,解决了人体部分的漏检和环境干扰引起的信号不一致性等两个关键挑战,通过设计多个模块提供可靠的条件,显著优于现有方法,在公共数据集上实现了最先进的性能。
Mar, 2024