Jan, 2024

面向共享城区中人类与机器人互动姿势的大规模融合标签数据集

PDF
TL;DR通过重用、融合和标注 MOT17 和 NCLT 这两个数据集，本文填补了缺失的捕捉共享城市区域内人机交互的丰富姿势标注数据集，并使用 YOLOv7 方法有效地估计人体姿势。
autonomous delivery robotshuman pose estimationpedestrian trackingsimultaneous localization and mappingyolov7
发现论文，激发创造
  • JRDB-Pose: 一个用于多人姿态估计与跟踪的大规模数据集

    介绍了 JRDB-Pose 数据集，该数据集是一个使用社交导航机器人拍摄的大规模数据集，并包括拥挤室内外位置和各种尺度和遮挡类型的挑战场景，可用于多人姿态估计和跟踪的基准测试，为自主机器人系统在人类环境中的操作和决策提供深入理解的支持。

    Oct, 2022

  • 自动驾驶中的弱监督多模态 3D 人体姿势估计

    一篇研究在自动驾驶汽车中进行弱监督的 3D 人体姿势估计的论文，通过相机和 LiDAR 数据的高级传感器融合实现了简单而高效的方法，通过使用现成的 2D 关节提取器和从 LiDAR 到图像的投影生成虚拟标签进行训练，在弱监督和监督学习设置中均取得了优于现有方法的结果。

    Jul, 2023

  • 人体姿态估计在现实世界拥挤场景中的应用

    本论文针对人群姿态估计的问题，提出了通过数据增强方法、显式识别遮挡的身体部位和使用合成数据集来优化姿态估计。论文的实验结果表明这些方法提高了模型的准确性，使其在人群场景下获得了与当前最先进方法相媲美的结果。

    Jul, 2019

  • 无监督对抗学习从 2D 关节点位置得到 3D 人体姿势

    本文提出了一种使用生成对抗网络进行无监督学习的方法，能够从单张图片的 2D 关节点位置预测出 3D 人体姿态，无需使用 3D 数据集，而且即使在训练时缺乏数据，该方法也能很好地预测 3D 姿态。

    Mar, 2018

  • 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

  • 通过对抗学习实现自然环境下的三维人体姿态估计

    本论文提出了一种对抗性学习框架，利用基于多源鉴别器的几何描述符对在野外场景下的 2D 姿态注释图像进行 3D 人体姿态估计。实验证明，该方法在公共基准测试上明显优于以往的最先进方法。

    Mar, 2018

  • 无标记运动捕捉的 3D 人体姿态估计算法综述

    本文综述了过去五年间的主要人体姿势估计方法，重点关注指标、基准和方法结构，提出了基于准确性、速度和鲁棒性的分类方法，并得出了未来研究的方向。

    Oct, 2020

  • 自动驾驶中基于 2D 弱监督的多模态 3D 人体姿态估计

    本文提出了一种在自动驾驶方案中的多模态方法，使用 2D RGB 图像的弱监督进行 3D 人体姿势估计（HPE），进而在 Waymo 开放数据集中取得了比仅基于相机和 LiDAR 的模型更好的效果。

    Dec, 2021

  • 通过自主无人机代理进行主动人体姿势估计

    通过使用 NeRF 方法和无人机，本文提出了一个新的系统，利用相机的重新定位来改善 2D 人体姿态估计，从而提高无人机的性能并保持操作安全和效率。

    Jul, 2024

  • 跨数据集估计人体姿态：一种统一的骨架和多教师蒸馏方法

    通过多教师知识蒸馏与统一的骨骼表示相结合，我们提出了一种新颖的方法来解决姿态估计中不一致的骨骼注释所带来的挑战，同时提升了模型在不同数据集上的适应性，实现了更准确的康复 7 个主要关键点和 21 个扩展关键点的预测。

    May, 2024