3d human pose | BriefGPT - AI 论文速递

关键词3d human pose

搜索结果 - 43

ICCV个性化 3D 人体姿势和形状优化
我们提出使用密集对应将人体模型的初步估计与相应的图像生成关联，以便优化初步估计的过程。我们将 3D 模型的渲染结果用于预测合成图像与 RGB 图像之间的像素级 2D 位移，从而有效地整合和利用人体外观信息。通过最小化投影损失，我们可以将像素
PDF4 months ago
使用生成模型的合成数据在野外进行的 3D 人体重建
通过基于扩散模型的 HumanWild 方法，我们展示了由生成模型创建的合成数据与计算机图形渲染数据互补，从而在 3D 人体姿态和形状估计方面在多样化的真实场景中实现了卓越的泛化性能。
PDF4 months ago
PointVoxel: 多视角多模态 3D 人体姿态估计的简单有效流程
提出了一种名为 PointVoxel 的流程，利用多视图 RGB 和 pointcloud 输入融合来获取 3D 人体姿势，并通过合成数据集生成器和无监督域自适应策略来克服在困难场景中标注 3D 人体姿势标签的挑战，展现了有希望的结果。
PDF7 months ago
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。
PDF7 months ago
ICCV全球野外三维人体姿态和形状的电磁数据库
我们介绍了 EMDB，全球三维人体姿势和形状的电磁数据库。 EMDB 是一个新颖的数据集，其中包含具有全局身体和相机轨迹的高质量 3D SMPL 姿势和形状参数，用于野外视频。我们使用佩戴在身体上的无线电磁（EM）传感器和手持 iPhone
PDF10 months ago
CVPRNIKI: 基于可逆神经网络的神经逆运动学方法用于 3D 人体姿态和形态估计
本文提出了一种名为 NIKI 的深度学习模型，通过建模双向误差来提高 3D 人体姿态估计的鲁棒性和像素对齐精度，使用可逆神经网络从正向和反向过程中进行学习，并模拟解析逆运动学算法以提高可解释性，在标准和遮挡指标测试上均呈现出鲁棒性和对齐效果
PDFa year ago
基于自我中心视角的三维场景中概率人类网格恢复
提出了一种基于场景的扩散方法，用于从自我感知的角度预测社交伴侣的姿态和形状，通过物理学基础碰撞评分进一步解决人 - 场景相互渗透，分类器自由训练使得在不同情况下可进行可扩展抽样，并具有更多的多样性，能够通过基于每个关节的可见性进行噪声去除，
PDFa year ago
ICLR使用独立标记捕捉每个关节的动作：三维人体姿态和形状估计
提出一种基于 Transformer 的模型，使用三种独立的 tokens 学习人体的 3D 关节旋转，身体形状和位置信息，进而估算 SMPL 参数，从而解决单目图像或视频中 3D 人体姿态和形状估计的困难问题，并具有较好性能。
PDFa year ago
AAAIIKOL：通过高斯 - 牛顿微分进行 3D 人体姿态和形状估计的逆运动学优化层
该论文提出了一种逆向运动学优化层（IKOL），该层采用优化与回归方法结合的端到端框架来进行 3D 人体姿态和形状估计，并使用了一种 Gauss-Newton 微分过程来加速计算，获得了比现有方法更准确的结果。
PDFa year ago
CVPRFLAG3D：一份带有语言指令的 3D 健身活动数据集
本文介绍了一种包含 60 种分类、180K 序列的大型三维健身活动数据集 ——FLAG3D，其中包括由 MoCap 系统捕捉到的准确且密集的三维人体姿势、详细的专业语言指导以及来自高科技 MoCap 系统、渲染软件和成本效益高的智能手机的多
PDF2 years ago
ECCV从自然语言生成三维人体姿态的 PoseScript
本文提出了 PoseScript 数据集，该数据集对 AMASS 的几千个 3D 人体姿势与丰富的人体注释描述进行了配对。我们提出了一种详细的字幕生成过程，通过一组简单但通用的规则从给定的 3D 关键点提取低级姿势信息 —— 姿势码，然后使
PDF2 years ago
ECCV通过神经渲染在静态视频中进行自监督的三维人体姿势估计
本文介绍了一种利用自监督学习估算不需要人工标注的静态背景下单个人物的 2D 视频帧生成 3D 人体姿势的方法。作者采用射线投射技术进行人体模板的渲染，使神经网络可以对渲染结果进行优化，从而获得了令人满意的结果。
PDF2 years ago
基于人体姿态的物品使用推荐
本研究旨在解决微视频平台中物体效果推荐的问题，并提出了一个新的基于 3D 人体姿势的 PoseRec 网络来推荐物体效果。通过利用 3D 人体姿势的优势，PoseRec 可以从多帧 3D 人体姿势中学习信息以实现高质量的效果推荐表现，同时使
PDF2 years ago
ECCV稳健密集人体估计的可见性学习
该研究使用神经网络预测可见性从而更好地在局部残缺的情况下进行三维人体姿态和形状估计。实验结果表明，这种方法对于部分身体情况下的人体估计精度有明显提升。
PDF2 years ago
CVPRMixSTE: 用于视频中 3D 人体姿态估计的 Seq2seq 混合时空编码器
本文提出了一种叫做 MixSTE 的混合的时空编码器，该编码器通过时间和空间变换块分别对每个关节的运动进行建模以及学习关节之间的空间相关性，可在 3D 人体姿态估计任务上取得更好的性能表现。
PDF2 years ago
利用可学习的顶点关系推广在野外场景下的人体姿态和网格重建
本文介绍了一种 3D 人体姿势和网格重建方法 MeshLeTemp，使用可学习的人体网格模板来编码人体先验知识，并展示了其在未见情况下的泛化能力。
PDF2 years ago
ICCVSkeleton-Graph: 使用深度时空图卷积神经网络从 2D 观测中进行长期 3D 运动预测
本篇论文提出了 Skeleton-Graph 模型，采用深度时空图卷积神经网络来预测 2D 姿态下未来的 3D 骨架姿态，通过图形式地建立骨骼关节之间的空间关系以解决长期姿态预测过程中的分歧问题，并引入了新的评估指标来衡量长期预测分歧程度，
PDF3 years ago
ICCVEventHPE: 基于事件的三维人体姿态与形状估计
本研究提出了一种基于事件相机的两阶段深度学习方法 EventHPE，用于从事件信号中估计 3D 人体姿态和形状，其中第一阶段 FlowNet 通过非监督学习推断光流，而 ShapeNet 通过最大化流一致性从事件信号和光流估计 3D 人体形
PDF3 years ago
Skeletor: 基于骨架的 Transformer 模型用于鲁棒的身体姿态估计
本篇研究旨在解决从一张单目视频中预测 3D 人体姿态的问题，提出了一种基于 Transformer 的网络 Skeletor，通过无监督学习学习运动的三维姿态与运动分布，有效克服低分辨率、模糊运动和部分骨骼损坏等问题，同时提高了 3D 人体
PDF3 years ago
PARE：用于 3D 人体重建的部件关注回归器
本文提出一种软注意机制 (PARE)，通过学习预测部位引导的注意掩蔽层来适应部分遮挡，以提高对 3D 人体姿态估计和形状估计的精度和鲁棒性。实验证明，PARE 比现有方法在遮挡和标准基准测试上具有更精确和更稳健的重建结果。
PDF3 years ago