Oct, 2023

面向大场景的具有遮挡感知的时空 Transformer 的分组化

PDF
TL;DR我们提出了一个用于大规模场景中群组检测的端到端框架 GroupTransformer，该框架能够处理大规模场景中多人频繁遮挡的问题，并能有效地利用时空信息。实验结果证明，与现有方法相比，我们的方法在大规模场景和小规模场景上均取得更好的性能。
发现论文，激发创造
  • 基于 Actor-Transformers 的群体活动识别

    本文提出一种基于 actor-transformer model 认知视频中的个人行为和组群活动的模型，并通过 2D 姿态网络和 3D CNN 等方式提供丰富的个人动态和静态信息表示，从而在公开数据集上取得了显著的效果。

    Mar, 2020

  • 基于轨迹的实时社交群体检测

    我们提出了一种用于社交群体检测的简单高效的图形转换模块和图形聚类损失，能够在人群拥挤动态的情况下实现较高的表现。与先前基于视觉内容的方法相比，在保持准确性的同时，实现了高速的推理时间。该方法适用于实时的机器人应用。

    Apr, 2023

  • GroupFormer: 带有空间 - 时间聚类 Transformer 的群体活动识别

    本文引入 GroupFormer 网络解决团体动作识别中空间 - 时间交互作用的问题，采用聚类的空间 - 时间变换器动态地将个体群组化，模型个体和群组的特征，融合了空间 - 时间背景上下文信息。实验结果表明该模型优于现有状态的方法。

    Aug, 2021

  • 基于时空特征的遮挡像素重建端到端框架用于改进行人再识别

    本研究提出了一种有效的 RGB 图像 / 视频的遮挡检测和重建框架，采用卷积神经网络进行遮挡检测，Conv-LSTM 和自编码器用于重建遮挡帧和使用条件生成对抗网络微调和修复重建的 RGB 帧，通过与其他先进技术比较分析，我们的方法在各种数据集上展现出鲁棒性，成为现实生活监控系统应用的优秀选择。

    Apr, 2023

  • OcTr：基于八叉树 Transformer 的 3D 物体检测

    本文介绍了一种名为 OcTr 的基于八叉树的 Transformer 方法，通过动态构建八叉树从而实现对远距离或 / 和遮挡物体的有效检测，进一步提出了一种混合位置编码方法以增强前景感知，实验表明 OcTr 方法在 Waymo 开放数据集和 KITTI 数据集上均取得了最新的最佳结果。

    Mar, 2023

  • 少胜于全：场景文本检测的特征采样和分组

    本文提出了一种简单而有效的基于变压器的场景文本检测模型，该模型通过选取几个代表性特征进行文本检测，借助变压器模型建模其特征之间的关系，实现将文本实例划分为合理的组，并轻易地获得其边界框，从而在多个数据集上取得了最新的成果。

    Mar, 2022

  • 应用于群体行为识别的视频理解通用框架

    本文提出了一种在视频监控应用中检测和跟踪人群以及自动识别他们行为的方法，该方法通过维持空间和时间上的协同性来追踪移动在一起的个人，其中人员的轨迹经过时间窗口分析并使用 Mean-Shift 算法聚类，协同值描述了一组人群的描述质量，同时提出了一个正式的事件描述语言，该方法在机场、地铁、购物中心走廊和入口大厅的 3 个数据集中的 4 个摄像头视角上成功验证了人群事件的识别。

    Jun, 2012

  • 群组姿势：一种简单的端到端多人姿势估计的基线

    通过简单且有效的 Transformer 方法，命名为 Group Pose，我们研究了无人工盒监督的端到端多人姿态估计问题，取得了优于复杂解码器的性能。

    Aug, 2023

  • 多范围变压器的多人三维动作预测

    我们提出了一种适用于多人 3D 运动轨迹预测的新型框架，使用包含局部范围编码器和全局范围编码器的 Multi-Range Transformers 模型，可以实现不同人之间的社交互动，且在长期运动预测方面优于现有方法，甚至可以自动将人分成不同的互动组以预测 15 人的运动轨迹。

    Nov, 2021

  • 一个针对多人姿态跟踪的双源注意力转换器

    为了解决多人姿势关联问题，提出了一种双源注意力变换器，它包括姿势条件重识别网络、基于时间姿势相似性的边嵌入和基于注意力的匹配层，能够有效应对运动模糊、拥挤场景和遮挡等问题。

    Jun, 2023