2d keypoints | BriefGPT - AI 论文速递

关键词2d keypoints

搜索结果 - 6

CVPRKITRO：通过 2D 线索和运动树旋转细化人体网格
通过具体模型人深度和人体运动树结构，Kinematic-Tree Rotation (KITRO) 方法以基于骨结构为视角进行网格精化，从而显著提高 3D 关节估计准确性，并同时实现理想的 2D 匹配。
PDFa month ago
CVPRTokenHMR：使用令牌化姿态表示改善人体网格恢复
从单个图像中推断 3D 人体姿态和形状的问题，重点关注 3D 准确性。目前最好的方法利用大量的 3D 伪地面真值 (p-GT) 和 2D 关键点数据集，以实现稳健性能。我们观察到，随着 2D 准确性的提高，3D 姿势准确性出现矛盾下降。错误
PDF2 months ago
DGC-GNN: 基于几何颜色图神经网络的无特征描述符 2D-3D 匹配
本论文介绍了一种名为 DGC-GNN 的新算法，它采用全局到局部的图神经网络来逐步利用几何和颜色线索来表示关键点，从而提高匹配的鲁棒性。DGC-GNN 不仅使无描述符算法的精度翻倍，而且还显著缩小了基于描述符和无描述符方法之间的性能差距。
PDFa year ago
HuPR: 利用毫米波雷达进行人体姿态估计的基准测试
本文提出了一种新型的人体姿态估计基准测试，使用交叉校准的毫米波雷达传感器和单眼 RGB 相机进行跨模态训练，在不涉及人类隐私的情况下，利用毫米波雷达的优势，通过 2D 关键点表示人体关节进行训练，并采用新的雷达预处理方法和姿态修正图卷积网络
PDF2 years ago
视频中三维手姿和网格估计的时空感知自监督学习
本研究提出了一种新的训练 3D 手势估计模型的框架，使用自监督学习模型（TASSN）从仅具有 2D 信息的视频中学习，通过强制时间一致性约束，TASSN 可以学习从视频中推断 3D 手势和网格的技能，并且实验证明了该模型的 3D 估计精度与
PDF4 years ago
CVPR从单色图像学习估计三维人体姿态和形状
该论文提出了一种基于卷积神经网络的直接预测方法，将参数化的统计全身形状模型与 2D 关键点和掩膜相结合，实现从单张彩色图像中估计全身的 3D 姿态和形状，得到了比先前基准更好的结果。
PDF6 years ago