Feb, 2024

三维人体姿势估计的不确定性感知测试时间优化

PDF
TL;DR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。
3d human pose estimationoptimization-based methodsdata-driven methodsuncertainty-aware testing-time optimizationprojection constraint
发现论文，激发创造
  • 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

  • 面向可靠的人体姿态预测及不确定性建模

    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。

    Apr, 2023

  • 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

  • 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

  • 野外单目三维人体姿态估计的普适性推广

    研究人员提出了一种基于立体视觉启发的神经网络技术和几何搜索方案来生成高质量的 3D 姿势地面真实数据，使不需要专业训练模式和辅助损失函数的神经网络模型在野外图像数据中实现良好的 3D 姿态估计结果。

    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

  • 基于物理学的轨迹优化算法，从单目视频重建 3D 人体姿态

    本研究利用物理引擎对姿态估计过程进行改进，从而使得我们可以利用现实世界的场景推导出物体的运动。我们的公式具有广泛的应用场景，并可处理自身接触和与场景几何之间的接触。我们的方法在 Human3.6M 和 AIST 基准测试中均获得了与现有基于物理的方法相竞争的结果，同时不需要重新训练。

    May, 2022

  • 基于深度预测网络的人体姿态绝对估计

    该论文提出了一种基于摄像机中心坐标系的神经网络，可以在单个步骤中预测关节位置，取得了当前最先进的结果，适用于 3D 人体姿势估计和 MuPoTS-3D 数据集。

    Apr, 2019

  • 利用时间上下文对野外三维人体姿态估计进行改进

    该研究通过基于束调整的算法从单眼视频中恢复准确的 3D 人体姿势和网格，通过在整个序列上重建人体来提供额外的约束并解决歧义问题。同时，该研究提出了一个包含超过 3 百万帧来自 Kinetics 的 YouTube 视频数据集，能够提高 3D 运动估计的准确性，该算法具有实际意义。

    May, 2019

  • MetaPose: 无需 3D 监督，快速从多视图中获得 3D 姿态

    本文介绍如何使用神经网络模型进行多摄像头人体姿势估计，在考虑多角度遮挡及联合位置不确定性情况下，使用 2D 关键点数据进行训练。相比于经典捆绑调整与弱监督单目 3D 基线方法，我们的模型在 Human3.6M 和 Ski-Pose PTZ 数据集上表现更好。

    Aug, 2021