Jul, 2023

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

PDF
TL;DR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。
2d-to-3d pose lifting networksocclusion informationopaque 3d limbssynthetic imagescross-dataset benchmarks
发现论文，激发创造
  • 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

  • 三维人体姿态估计几何感知表示的弱监督发现

    本研究提出了一种几何感知的人体姿态三维表示方法，通过使用多个视角和简单的自编码器模型以 2D 关键点信息为监督，在训练阶段建立共享的 3D 表示，进而通过骨架编码器 - 解码器机制在潜在空间提取仅与姿态相关的表示。实验结果表明，该方法能够显著提高现有姿态估计方法的性能。

    Mar, 2019

  • 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

  • 无监督几何感知表示用于三维人体姿态估计

    本文提出使用多视角图像而无需注释，来学习一个具有几何感知能力的身体表示，通过使用该身体表示，我们的方法在仅使用少量标记数据的情况下，显著优于完全监督的方法，并且在使用仅 1% 标记数据时，也优于其他半监督方法。

    Apr, 2018

  • 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

  • 利用显式 2D 特征和中间 3D 表示进行野外人体姿势估计

    本文提出了一种基于卷积神经网络的深度学习方法，用于单目 3D 人体姿态估计，具有高精度和更好的野外场景泛化能力，可以联合在具有 3D 标签和仅有 2D 标签的图像数据上进行训练，并在具有挑战性的野外数据上实现了最先进的准确性。

    Apr, 2019

  • 一种三维人体姿态估计框架的遮挡处理能力测量方法

    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。

    Mar, 2022

  • 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

  • OriNet：一种完全卷积网络用于 3D 人体姿态估计

    该研究提出了一种新的 3D 人体姿态估计方法，即利用肢体方向与肢体区域的边界框一起表示 3D 姿态，并且通过简单的方法在多项基准测试中取得了良好的结果，该方法具有较好的泛化性能。

    Nov, 2018

  • LASOR: 通过合成有遮挡感知数据和神经网格渲染学习精确的三维人体姿态和形状

    针对人体姿态和形状估计中的遮挡问题，特别是人物之间的遮挡问题，本文提出了一种新的框架，通过合成 occlusion-aware 阴影和 2D 关键点方便估计 SMPL 姿态和形状参数，使用三维神经网格渲染器实现了实时新学习，已在现有数据集中表现出优越性能。

    Aug, 2021