Aug, 2023

细粒度的运动、瑜伽和舞蹈姿势识别：一项基准分析

PDF
TL;DR人体姿势估计是计算机视觉中的一个复杂问题，本研究通过引入深度学习技术和提出的 SYD-Net 模型，在解决体育运动和舞蹈姿势分类问题上取得了显著的进展。
human body-pose estimationsyd pose categoriesdeep learning techniquesimage datasetssyd-net
发现论文，激发创造
  • Yoga-82：一个新的用于人体姿势细粒度分类的数据集

    本文提出了细粒度分层姿势分类的概念，并提出了一个大规模的瑜伽姿势识别数据集 Yoga-82，包含三个级别的层次结构，以及基于卷积神经网络的多种分类方法。

    Apr, 2020

  • 使用单张图像进行瑜伽姿势识别的高效深度卷积神经网络模型

    YPose 是一个用于从 RGB 图像中识别瑜伽姿势的卷积神经网络模型，采用基于 EfficientNets 骨干的 CNN 架构进行特征提取，并添加了密集连接网络架构中自适应的密集细化块用于学习更多样化的特征，然后应用全局平均池化和全连接层用于瑜伽姿态的多级分类，其在 Yoga-82 数据集上的表现优于之前的最新技术，准确率达到了 93.28%。

    Jun, 2023

  • 瑜伽姿势的视角无关分类框架

    本研究使用从 Human Pose Estimation 模型中提取的 136 个关键点训练 Random Forest 分类器，对 Yogasanas 进行估计，通过测试未见的帧、未见的主题和未见的摄像机角度，提出了评估 Yoga 分类器通用性的三步方案，并分析了迁移学习和目标泄漏的优势和局限性，探讨了交叉验证方法对分类精度的影响，为后续研究提供了数据集和代码。

    Jun, 2022

  • 少样本、细粒度运动动作识别视频姿态蒸馏

    研究了利用视频行为识别任务中的人体姿态，介绍了 Video Pose Distillation (VPD) 弱监督技术来学习新视频领域的特征。其在不需要额外的人体姿态注释的情况下，在四个真实世界的体育视频数据集上提高了人体动作识别、检索和检测任务的性能。

    Sep, 2021

  • 3DYoga90: 一个用于瑜伽姿势理解的分层视频数据集

    我们开发了 3DYoga901，这是一个三层标签层次结构的数据集，包括 RGB 瑜伽动作视频和 3D 骨架序列，对于瑜伽动作识别和姿势评估有着重要的推动作用。

    Oct, 2023

  • AutoSoccerPose：足球射门动作的自动化三维姿势分析

    通过引入 3D Shot Posture (3DSP) 数据集、3DSP-GRAE 模型以及 AutoSoccerPose 流程，本研究解决了计算机视觉中的图像理解问题，并在足球姿势分析领域取得了显著进展。

    May, 2024

  • SportsPose -- 一份动态的三维体育姿势数据集

    SportsPose 是一个大规模的姿态数据集，包括高度动态的运动。使用超过 176,000 个来自 24 名不同受试者的 5 种运动活动的 3D 姿势，SportsPose 提供了一组反映了运动复杂和动态性的多样化和全面的 3D 姿势。数据集伴随代码，可以从我们的网站上下载，希望 SportsPose 可用于开发和评估更有效的运动表现分析和损伤预防模型。

    Apr, 2023

  • 从在线舞蹈视频中学习

    通过引入 “Let's Dance” 数据集，作者介绍了如何在视频领域应用深度神经网络方法，并探讨了这些方法在学习如何处理动态数据时的价值和性能，特别是在区分需要使用运动信息分类的动态运动大类方面的困难。

    Jan, 2018

  • FixMyPose：姿态矫正字幕与检索

    本文提出 a new captioning dataset named FixMyPose，为了避免 ML 偏见，维护了不同背景的不同人群的平衡，对于该数据集我们提出姿势校正字幕任务及其反向目标姿势检索任务，并引入针对该任务的新指标。我们的基线模型能够在现实图像上有良好表现，但在人类评估中仍有提高空间。

    Apr, 2021

  • 无监督视频理解 —— 通过协调姿态相似性

    采用基于视频序列的完全无监督深度学习过程，该过程可以描述一个活动的最基本组成部分，即单个姿势及其独特的过渡。

    Aug, 2017