多视角 RGB 摄像机下的太极动作捕捉和表现分析
本文描述了一种基于无标记人体动作捕获的三维角色动画生成系统,采用视角多样的相机捕捉人体动作信息,并通过多种技术手段计算出骨骼变换状况,从而能够高效准确地实现三维骨骼重建与实时动画生成。
Dec, 2022
论文提出了一种实时捕获全身人类表现的全新方法,能够通过单个 RGB 视频重建完整人类的密集、时空一致变形几何形态,通过二阶段的分析合成优化策略实现精细的人类表现捕获,并且结合了 4D 运动捕捉,利用材料区域的自动识别进行模型优化,从而实现最终的实时全身表现捕捉。
Oct, 2018
本文介绍了一种仅使用少量 Kinect 传感器进行无标记动作捕捉的高效且廉价方法,通过使用最近的图像分割技术和纯合成数据进行课程学习,实现了对身体各部位的准确本地化并且无需使用显式形状模型。同时,我们介绍了一个包含约 6 百万合成深度帧的新数据集,并超过了 Berkeley MHAD 数据集的最新结果。
May, 2016
本论文提出了一种名为 SportsCap 的方法,利用数据驱动的多任务方式,从单眼挑战性运动视频中同时捕获 3D 人体运动和理解细粒度动作,并使用多流空间 - 时间图卷积网络预测细粒度语义动作属性,从而具有分析运动和评分的各种应用。
Apr, 2021
本研究提供了首个非标记的方法来在单目视频中实现人类的三维运动捕捉,可以重建关节骨架的运动以及一般场景中中等尺度的非刚性表面形变。通过使用卷积神经网络中的疏 2D 和 3D 人体姿势检测,以及基于低维轨迹子空间解决单目重构问题的模式,我们解决了由大范围关节运动,具有潜在快速运动和相当大的非刚性变形构成的人工能捕捉挑战。此外,我们根据完全自动提取的轮廓线提出了基于表面几何的细化方法,以实现中等规模的非刚性匹配,我们的方法实现了最先进的性能捕捉结果,在准确性,鲁棒性和可处理的场景复杂性方面明显优于先前的单目方法。
Aug, 2017
本文介绍了一种新颖的实时多人运动捕捉算法,使用多视角视频输入。通过联合多视角图像和多个时间帧进行关节优化,解决了运动捕捉中存在的关键挑战,该方法每秒可以在 5 个人的场景中使用 5 个相机运行 30fps 的帧率。
Feb, 2020
本文提出了 ChallenCap—— 一种基于模板的方法,利用单个 RGB 相机在新颖的学习和优化框架下,结合多模态参考信息,捕捉复杂的人体三维运动。通过使用两个稀疏视角参考点和无配对基于标记的参考点,结合一个生成网络和运动鉴别器,提出了一个混合运动推断阶段,以数据驱动的方式提取特定的挑战性运动特征。同时,通过运动优化阶段结合监督多模态参考提高跟踪精度。在新的运动挑战数据集上的实验证明了我们的方法的有效性和稳健性。
Mar, 2021
本文提供了一个在室外环境中操作的用于多摄像头飞行器控制的实时航拍系统,可以在不使用专用标记的情况下重建自然环境中的人体动态,使用多机器人协调方案维护目标重建质量的最优飞行编队,该系统在仿真和现实中的性能表现得到验证。
Aug, 2021
本文提出了一种新的方法,通过使用神经网络从视频中提取人体运动的高级潜在表示的方法,实现了不需要显式重建三维姿态和 / 或相机参数的不同人类表演者之间的视频捕获运动的再定向。
May, 2019