大场景中的多视角人体检测：基于有监督的视角贡献加权

AAAIMay, 2024

大场景中的多视角人体检测：基于有监督的视角贡献加权

Multi-View People Detection in Large Scenes via Supervised View-Wise Contribution Weighting

Qi Zhang, Yunfei Gong, Daijie Chen, Antoni B. Chan, Hui Huang

TL;DR该论文通过开发一种监督式逐视图贡献加权方法改进多视角人员检测，并采用大型合成数据集增强模型的泛化能力，进而通过简单的领域自适应技术进一步提升模型在新的测试场景中的性能，实验证明该方法在跨场景多视角人员检测方面取得了有希望的成果。

Abstract

Recent deep learning-based multi-view people detection (MVD) methods have shown promising results on existing datasets. However, current methods are mainly trained and evaluated on small, single scenes with a lim

deep learning-based multi-view people detection supervised view-wise contribution weighting synthetic dataset domain adaptation technique

发现论文，激发创造

深度多摄像头人体检测

通过使用深度学习算法解决多视角人员占用地图估计问题，并构建一个利用多个视频流的架构，将其联合利用，从而在 PETS 2009 数据集上大幅度优于现有方法。

Feb, 2017

特征透视变换在多视角检测中的应用

本研究提出了一种新的多视角检测系统 MVDet，采用基于鸟瞰图的无 Anchor 盒方法来聚合视图信息并在地平面特征图上应用大内核卷积。在新引入的合成数据集 MultiviewX 上的结果表明，相比于现有方法在 Wildtrack 数据集上的最新技术，该方法提高了 14.1% 的 MODA 性能。

Jul, 2020

跨视角跨场景多视角人群计数

本文提出一种跨视角、跨场景的多视角人群计数模型，使用视角布局几何形状和噪声视角正则化方法来注意选择和融合多个视角，同时使用人工合成的大型数据集进行训练和测试。结果表明，该模型在真实世界的数据集上取得了良好的性能，并超过了在相同场景上训练的模型。

May, 2022

利用多视角融合和三维高斯核进行三维人群计数

本研究提出了一种基于三维特征融合和场景密度图的多视角人群计数方法，并探索了在二维视图中的投影一致性，结果表明该方法在三个多视角计数数据集上表现更优或相当于现有最先进方法。

Mar, 2020

多视角环境下的在线人员追踪学习策略

介绍了一种名为 MVSparse 的合作式多人跟踪框架，它由一个精心设计的管道组成，将基于边缘服务器的模型与在各个摄像头上操作的分布式轻量级强化学习代理相结合，通过选择每个帧内基于历史相机数据和相邻摄像机的检测结果的信息块来显著减少计算负载和通信开销，通过将各个视角的输入投影到共同的地面平面上并应用深度检测模型，MVSparse 在多视角视频中优化地利用了时间和空间冗余；实验证明，与基准方法相比，MVSparse 将整体推理时间加速了 1.88 倍和 1.60 倍，同时仅对跟踪准确性造成了 2.27% 和 3.17% 的轻微损失，展示了其在高效多摄像头跟踪应用中的潜力。

Dec, 2023

3D 人体姿势估计的多视图一致半监督学习

该论文提出了一种基于多视角视频的多视角一致半监督学习框架，利用未经注释、未校准但同步的多视角视频中的姿态信息相似性作为额外的弱监督信号来引导 3D 人体姿势回归，该方法通过硬负采样来建立多视角一致的姿态嵌入，并结合有限的 3D 姿态注释来完善该模型，从而在两种公开数据集上实现了视角不变的姿态检索。

Aug, 2019

多人无标记数据 3D 姿势估计

本文研究多人姿态估计问题，提出了一种基于多视图系统和深度学习的方法，通过使用图神经网络模型预测场景中不同人之间的视角对应关系，并使用多层感知器模型将 2D 点转换为每个人的 3D 姿态。该模型采用自监督学习方式进行训练，从而避免了对大规模 3D 数据集的依赖。

Dec, 2022

通过强健的光度一致性学习无监督的多视图立体成像

提出了一种基于学习的多视点立体感知方法，可以在宽基线 MVS 环境下学习深度预测并通过稳健的损失函数处理遮挡和光照等问题。该方法不需要使用三维监督数据进行训练，并且可以通过无监督的微调实现对新数据集的适应。

May, 2019

利用 Shadow Transformer 进行多视角检测（及视角一致的数据增强）

本文介绍了一种新型的多视图检测器，MVDeTr，并使用新的视觉一致性的数据增强方法，以及采用阴影变换技术来聚合多视图信息，提取目标特征，超过了现有最佳方法，能更准确地进行多视图检测。

Aug, 2021

RobustMVS: 单域通用深度多视角立体视觉

本研究针对多视点立体重建（Multi-view Stereo，MVS）领域中的领域泛化问题，提出了一种名为 RobustMVS 的新型框架，并引入 DepthClustering-guided Whitening（DCW）损失以维持不同视角之间的特征一致性，实验结果表明我们的方法在领域泛化基准测试中取得了优越性能。

May, 2024