Apr, 2023

面向可靠的人体姿态预测及不确定性建模

PDF
TL;DR本文提出了一个针对人类姿态预测的开源库，其中包含多种模型、数据集和标准化的评估指标，旨在促进研究，并向统一和公平的评估发展。该研究通过提出建模其他模型的不确定性，并引入一个新的方法来量化任何模型的认知不确定性，证明其在准确性方面有高达 25% 的改进，并在不确定性估计方面表现更好。
pose forecasting3d poseshuman pose forecastinguncertainty analysisevaluation metrics
发现论文，激发创造
  • 个性化姿势预测

    我们重新界定了人体动作预测问题，并提出了一种与模型无关的个性化方法，该方法可以通过利用低参数的时间序列分析模型来有效在线实现运动预测个性化。

    Dec, 2023

  • 三维人体姿势估计的不确定性感知测试时间优化

    我们提出了一种基于不确定性的测试时间优化（UAO）框架，该框架在培训期间设计了一个有效的 2D 到 3D 网络来估计相应的 3D 姿势，同时量化每个 3D 关节的不确定性，通过优化的潜在状态来减轻过度拟合问题，并使用投影损失确保在 2D 空间中生成的姿势对高质量的优化对齐。

    Feb, 2024

  • 基于深度马尔可夫模型的人体姿态预测

    本研究提出了一种基于深度马尔科夫模型的变分自编码器生成姿势的框架，探讨姿势预测的新方法，并基于一个床具拼装视频数据集进行验证。

    Jul, 2017

  • 存在即混沌：基于不确定性考虑的增强 3D 人体动作预测

    通过考虑不确定性，提出了一种新颖的计算高效的编码 - 解码模型，能够学习适合未来帧的适当特征，并且在数量和质量上具有明显的优势。

    Mar, 2024

  • UPose3D：带有跨视角和时间线索的不确定性感知 3D 人体姿态估计

    UPose3D 是一种新颖的多视图 3D 人体姿势估计方法，通过改进鲁棒性和可扩展性来解决准确性的挑战，同时不需要直接的 3D 注释。

    Apr, 2024

  • 预测人体动作的特征三维姿态

    本文提出了一种用 probabilistic approach 来预测 characteristic poses 的方法，解决了原有 human motion prediction 只能按时间预测的问题，同时构建了一个手动注释的数据集来评估模型，结果表明此方法的平均表现优于现有方法 26%。

    Nov, 2020

  • GloPro: 全球一致的不确定性感知的野外三维人体姿势估计与跟踪

    本研究提出 GloPro 框架，通过有效地融合视觉线索与学习到的动作模型，首次预测包括形状、姿态和根姿态在内的三维人体网格的不确定性分布，大大超越了现有方法在人类轨迹准确度方面的表现，并能够实时运行。

    Sep, 2023

  • 自监督三维人体姿态估计的不确定性自适应

    本文研究了基于单目视觉技术的 3D 人体姿势估计问题，提出利用无监督域自适应方法，引入包含两个输出头的 MRP-Net 网络，利用预测不确定性实现模型适应和泛化，并取得了在各项基准测试中的最优性能。

    Mar, 2022

  • 动作无关的人体姿势预测

    本文提出了一种新的不考虑活动标签的短期和长期人体姿势预测方法，使用一种新的循环神经网络模型 —— 三角棱镜循环神经网络，该模型通过编码不同时间尺度的时间依赖性来捕获潜在的分层结构，经在 Human 3.6M 和 Penn Action 数据集上进行了广泛的实验，证明了本方法在数量和质量上均优于基线和最先进的方法。

    Oct, 2018

  • 能够看到的机器人：利用人体姿势进行轨迹预测

    通过使用 Transformer 架构，从人体位置、头部朝向和三维关键点等输入特征来预测人类在人类中心环境中未来的轨迹，该模型捕捉了未来人类轨迹预测中的内在不确定性，并在常见预测基准和适用于预测任务的移动机器人跟踪数据集上取得了最先进的性能。在这种具有挑战性场景中，我们发现历史数据有限的新主体是错误的主要来源，并展示了三维骨骼姿势在减少预测误差方面的互补性。

    Sep, 2023