monocular rgb images | BriefGPT

关键词monocular rgb images

搜索结果 - 10

AAAIMono3DVG: 单目图像中的三维视觉定位
我们介绍了一项新的任务，使用带有外观和几何信息的语言描述在单目 RGB 图像中进行 3D 可视定位。具体而言，我们构建了一个大规模数据集 Mono3DRefer，其中包含具有对应的几何文本描述的 3D 目标，由 ChatGPT 生成并手动改
PDF7 months ago
使用面具作为监督：利用统一的面具信息进行无监督的 3D 姿势估计
通过利用掩膜监督进行无监督三维姿势估计，本文提出了一个统一框架，该框架利用从粗到精的骨架和人体表示，从而实现了对无标注数据的处理和可直接使用的估计结果。实验证明了我们在 Human3.6M 和 MPI-INF-3DHP 数据集上的最新姿势估
PDF7 months ago
RGB-D 融合：基于图像条件的人型主体深度扩散
RGB-D-Fusion 模型使用条件去噪扩散概率模型从人类主体的低分辨率单眼 RGB 图像生成高分辨率深度图，并引入深度噪声增强技术以提升超分辨率模型的鲁棒性。
PDFa year ago
CVPRACR: 基于协作注意力的任意双手重建回归器
本研究提出了一种名为 ACR 的通过使用中心和部分基于注意力的特征提取的方法，显式缓解手之间和部件之间的相互依赖，以减少对输入的约束，同时加强对处理互动手的先验知识。经过各种数据集的评估，与最佳交互手方法相比，在 InterHand2.6M
PDFa year ago
ECCV基于 RGB 图像的手部网格估计和个性化的身份识别
本文提出了一个身份感知的手部三维网格估计模型，可以融入用户固有形状参数所表达的身份信息，并通过个性化流程来校准这些参数，从而在 AR/VR 领域中重构单眼 RGB 图像中的 3D 手模型。经过大规模公开数据集的实验证明了该方法的领先性能。
PDF2 years ago
使用嘈杂的伪标签学习 3D 点云中的场景流
本文提出一种利用单目 RGB 图像和点云生成伪场景流标签进行训练的方法，通过采用点云中的几何信息和单目图像中的外观信息，以及利用几何关系的噪声标签感知训练网络的技术来实现对点云中的伪场景标签推断，从而进一步降低对训练的负面影响。实验结果表明
PDF2 years ago
THUNDR: Transformer-based 3D 人体重建技术与标记器
THUNDR 是一种基于变形器的深度神经网络方法，可以重建在单目 RGB 图像中的人体 3D 姿态和形状；其关键在于通过一个中间的 3D 标记表示，通过将无模型输出结构的预测能力与类似于 GHUM 的统计人体表面模型的规则化，人体测量性保持
PDF3 years ago
CVPRCityscapes 3D: 面向 9 自由度车辆检测的数据集和基准
该研究提出一种基于单目 RGB 图像的三维车辆检测方法，为此创建了 Cityscapes 3D 数据集，包含了所有类型车辆的三维标注信息，使得与基于 lidar 的方法相比具有更高效率和更大范围的标注信息。此外，研究将 2D 实例分割与 3
PDF4 years ago
Center3D: 基于中心点的单目三维物体检测和深度理解
本文提出了一种基于单目 RGB 图像的 3D 目标检测方法 ——Center3D，通过利用 2D 和 3D 中心之间的差异及组合分类和回归方法，可以更加准确、高效地定位和深度估计，相较现有方法，实验表明此方法在 KITTI 数据集上表现更好
PDF4 years ago
ICCVMonoLoco: 单目 3D 行人定位与不确定性估计
通过使用 Laplace 分布的损失函数，预测置信区间，设计了一种轻量级前馈神经网络，可以从 2D 人体姿势中预测出 3D 位置和对应的置信区间。该方法不仅在 KITTI 和 nuScenes 数据集上超过了最先进的结果，而且在远处行人的情
PDF5 years ago