Mar, 2024

全角度头部姿态估计的数学基础和改正方法

PDF
TL;DR该论文通过对数据集、头部姿态估计算法和绘制例程的深入研究，提出了从提供的源代码推断坐标系、应用顺序和提取精确旋转矩阵和欧拉角的代码和算法，以及将姿态从一个旋转系统转换到另一个旋转系统的代码和算法，2D 旋转矩阵的新公式，以及旋转矩阵和姿态的正确绘制例程的推导和代码，并讨论了在维基百科和 SciPy 中定义右手坐标系旋转的可行性，从而使全方位头部姿态研究中的欧拉角提取更加容易。
head pose estimationeuler anglescoordinate systemsrotation matricesdrawing routines
发现论文，激发创造
  • 关于宽广与短程头部姿态估计的表征和方法学

    在计算机视觉中，头部姿态估计是一个感兴趣的问题，旨在改善半正面或侧面设置下面部处理任务的性能。本文分析了短距离和长距离头部姿态估计的方法，并讨论了每种情况下适合的表示和度量标准。同时提出了一个量化训练和测试数据集之间不一致性的方法，并基于 CMU Panoptic 数据集提出了广域头部姿态估计基准。

    Jan, 2024

  • 增强头部姿态估计的基于向量的表示

    本文提出使用旋转矩阵中的三个向量作为头部姿态估计的表示并基于此开发了一种新的神经网络。作者解决了当前头部姿态估计存在的两个问题：注释数据样本时欧拉角或四元数的不连续性问题，以及 Mean Absolute Error（MAE）不能准确反映头部姿态的行为。为此，作者提出了一种新的注释方法和新的 MAE 的测量指标，同时对向量进行正交约束，实现了对大姿态角度下预测误差的有效降低。

    Oct, 2020

  • 不需要关键点的细粒度头部姿态估计

    使用卷积神经网络从头部图像直接预测欧拉角度量（偏航角，俯仰角和横滚角），以代替传统的人头模型法进行姿态估计，并在常用数据集上取得了最优结果。

    Oct, 2017

  • 面向稳健和无约束全旋转角度头部姿态估计

    使用旋转矩阵法进行端到端的头部姿态预测，通过引入连续 6D 旋转矩阵表示法和地理损失方法来有效学习头部旋转外观并克服当前最先进方法的限制，从而大幅提高头部姿态预测的范围和稳定性。

    Sep, 2023

  • WHENet：用于广泛头部姿态实时细粒度估计的模型

    我们设计了一个端到端的头部姿势估计网络，可从单个 RGB 图像预测欧拉角的全范围头部偏航。WHENet 是第一个适用于完整头部偏航范围的细粒度现代方法，同时也满足或超越了前沿的头部姿态估计方法。

    May, 2020

  • 用于无限制头部姿态估计的 6D 旋转表示

    本文提出了一种用于无约束端到端头部姿态估计的方法，通过引入旋转矩阵形式主义来解决旋转标签的问题，并提出了连续的 6D 旋转矩阵表示来实现高效和稳健的直接回归，同时为了弥补旋转数据的几何特性，我们使用了基于测地线距离的损失函数。在公共数据集上的实验结果表明，我们每一个方面都超过了其他先进方法，提高了将近 20％。

    Feb, 2022

  • 基于深度学习的多视角图像全身运动学估计

    本文提出了一种基于多视图图像的直接关节角度估计方法，通过结合体态姿势表示法，将旋转表示法映射到一个连续空间中，为现场运动分析提供了一种新的方法。

    Jul, 2023

  • 基于四元数神经网络的人体运动建模

    通过使用 quaternions 表示旋转，使用前向运动学来惩罚绝对位置误差，同时比较 quaternions 和 Euler 角的性能，我们提出了一种新方法 --QuaterNet，用于预测和生成 3D 人体姿势序列。经过实验证明这种方法在短期和长期预测和生成任务中都取得了良好的效果，相比于人体图像学界最新的神经策略，我们的方法被评估为非常逼真。此外，我们还发现，Human3.6M 的标准评估协议产生了高方差结果，提出了简单的解决方案。

    Jan, 2019

  • RealHePoNet: 用于野外头部姿态估计的强大单阶段 ConvNet

    使用单个卷积神经网络模型和两个数据集进行训练，成功创建了一个精度和推理速度兼顾的头部姿势识别系统，可在实际应用中使用，实测误差平均仅为 4.4 度，推理时间仅为 6ms。

    Nov, 2020

  • 使用四元数平均和深度多头网络进行旋转的概率回归

    该论文提出了一种从深度回归模型中提取旋转概率估计的方法，并将其扩展到 SO (3) 旋转群的目标上，该方法在合成和真实数据中都获得了良好的结果。

    Apr, 2019