Apr, 2024

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

PDF
TL;DRUPose3D 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。
upose3dmulti-view 3d human pose estimationpose compiler module2d keypoints estimatorprediction uncertainty
发现论文，激发创造
  • 实现超过 100 FPS 的多人 3D 姿态估计的跨视图跟踪

    本论文提出了一种基于多个校准相机视角的、面向实时应用的多人三维姿态估计解决方案，利用视频中的时间一致性直接在三维空间中匹配二维输入与三维姿态，通过跨视图多人跟踪迭代地更新姿态，从而提高了准确性和效率，并介绍了新的大规模多人数据集。

    Mar, 2020

  • 针对多视角多人 3D 姿态估计与跟踪的部位感知测量

    本文介绍了一种基于多视图校准的多人 3D 姿势估计和跟踪方法，利用时序一致性来匹配先前构建的每个视图中的用 2D 姿势估计生成的 3D 骨架，同时提出两种策略，以实现更好的对应关系和 3D 重构。该方法在两个基准上实现了竞争性成果，并在 Campus 测试中取得了良好的结果。

    Jun, 2021

  • 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

  • 多视角快速且鲁棒的多人 3D 姿势估计

    本文介绍了一种多人 3D 姿态估计的快速、鲁棒方法，使用多方式匹配算法来解决在噪声和不完整的 2D 姿态预测中查找跨视角对应关系的主要挑战，并结合几何和外观提示进行跨视角匹配。

    Jan, 2019

  • 三维人体姿势估计的不确定性感知测试时间优化

    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。

    Feb, 2024

  • 三维人体姿态估计的跨视角融合

    该研究提出了一种基于多视角几何先验的方法，通过逐步改进三维姿态的准确性来从多视角图像中恢复绝对三维人体姿态。

    Sep, 2019

  • 从多视角图像学习单目三维人体姿态估计

    本文提出了一种通过多视角的训练，使用一致性约束联合监督损失及惩罚项实现替代大量标注的 3D 人体姿态估计方法，并提出了一种联合估计相机姿态及人体姿态的方法，在 3D 人体姿态估计方面取得了良好的表现。

    Mar, 2018

  • 无监督跨模态对齐用于多人三维姿态估计

    通过使用新颖的神经表示，我们提出了一种部署友好的、快速的自下而上的多人三维人体姿态估计框架；进一步，我们基于跨模态的对齐问题，提出了一种实用的部署范式，使得我们的模型不仅能够处理现实世界的图像，而且在速度与性能之间实现了更好的平衡。

    Aug, 2020

  • 双视图胜过单视图：多视一致性下的单目三维姿态估计

    通过使用多视角数据对单目人体姿态估计模型进行微调，引入新的一致性损失函数，提升性能，从而实现对特定应用定制模型的实用和经济有效解决方案。

    Nov, 2023

  • SelfPose3d：自监督的多人多视角 3D 姿势估计

    自我监督方法通过多视角输入图像和伪造姿势进行 3D 姿势估计，不需要 2D 或 3D 真实姿势标签，并且其有效性与完全监督方法相当。

    Apr, 2024