monocular videos | BriefGPT

关键词monocular videos

搜索结果 - 37

CVPRGLAMR：全局遮挡感知的动态相机人体网格恢复
本篇文章提出了一种能够从单目录像中实现三维全局人体网格恢复的方法，该方法具有鲁棒性，即使在面临严重和长期的遮挡时，也可以跟踪人体；同时，该方法可以在动态相机下，构建出一致的全局人体网格，这一方法也被称为 “深度生成运动填充器”。
PDF3 years ago
CVPRMHFormer：多假设变压器用于三维人体姿态估计
本文提出了一种名为 Multi-Hypothesis Transformer (MHFormer) 的模型，旨在通过学习多个合理的姿势假设的空时表示，解决单目视频中的 3D 人体姿态估计问题，并在两个具有挑战性的数据集上取得了最新的最优结果
PDF3 years ago
ICCV学习 3D 场景中 4D 人体捕捉的动作先验
本研究提出了一种名为 LEMO 的人体运动先验方法来从单目视频中恢复复杂场景中高质量的 3D 人体运动，该方法利用大规模运动捕捉数据集 AMASS，引入了一种新的运动平滑性先验，可大大减少序列中出现的姿态抖动，并通过自监督学习获得了接触和遮
PDF3 years ago
动态视频中的三维人物 - 物体交互 (D3D-HOI)
D3D-HOI 是一种包含具有三维物体姿态、形状和部件运动的人 - 物交互的单目视频的数据集，其对各种现实世界场景和摄像机视角捕获的常见关节对象进行了表示，可用于评估收缩的对象质量和建立对该挑战性任务的基准。
PDF3 years ago
通过观看视频学习可变形三维物体的 DOVE 模型
DOVE 是一种用于从单目视频中学习可变形物体纹理 3D 模型的方法，无需关键点、视点或模板形状监督，并利用视频中的时间对应关系和对称性消除姿态歧义，将三维形状、艺术姿势和纹理从每个单独的 RGB 帧中分离出来。
PDF3 years ago
EventHands: 基于事件流的实时神经网络 3D 手部姿态估计
本文使用单个事件相机首次解决了从单目视频中估计 3D 手势姿态的问题，提出了一种新的神经方法，可在 1000Hz 的实时性能下具有高时间分辨率和低数据吞吐量等特征，并且在新生成的合成事件流上进行训练和泛化，该方法在准确性和捕捉前所未有的手部
PDF4 years ago
UnRectDepthNet: 使用通用框架处理常见相机失真模型的自监督单目深度估计
提出了一种通用的自我监督的尺度感知管道用于从未经矫正的单目视频中估计深度、欧几里得距离和视觉里程计，该方法可以避免长焦变形输入的失真，不会受视野范围缩小、重新采样畸变、校准误差敏感的副作用影响，性能优越。
PDF4 years ago
ECCV自我优化单目 SLAM 和深度预测的伪 RGB-D
本文提出一种基于 SLAM 和 CNNs 的结合框架，将 CNN-predicted depth 用于伪 RGB-D feature-based SLAM，同时将几何 SLAM 的 3D 场景结构和相机姿势注入到深度网络中，以实现更好的姿态
PDF4 years ago
不要忘记过去：从单目视频中的循环深度估计
本文介绍了一种基于 ConvLSTM 和三种不同类型深度预测网络的自监督实时单目深度估计和完成方法，能够产生一系列的深度图，该方法灵活且可与不同类型稀疏深度图案件组合使用，实验表明，我们的方法在自监督场景中始终优于其基于图像的对应方法，并且
PDF4 years ago
单目视频中的无监督尺度一致深度与自运动估计
本文介绍了一种基于几何一致性损失和自发现遮罩的深度估计和自我运动估计模型，模型能够处理运动物体和目标的遮挡问题并保证不同样本间的比例一致性。从实验结果来看，我们提出的深度估计模型在 KITTI 数据集上性能最好，并且我们提出的自动驾驶路线规
PDF5 years ago
CVPR利用时间上下文对野外三维人体姿态估计进行改进
该研究通过基于束调整的算法从单眼视频中恢复准确的 3D 人体姿势和网格，通过在整个序列上重建人体来提供额外的约束并解决歧义问题。同时，该研究提出了一个包含超过 3 百万帧来自 Kinetics 的 YouTube 视频数据集，能够提高 3D
PDF5 years ago
自然场景视频中的深度估计：来自未知相机的无监督单目深度学习
本研究提出了一种新的方法，使用相邻视频帧的一致性作为监督信号，同时从单目视频中学习深度预测、自运动、目标运动和相机内参数，并且首次实现对相机内参进行无监督学习，从而能够在任意未知来源的视频中提取准确的深度和运动信息。此方法在 Citysca
PDF5 years ago
IJCAI无约束单目视频无监督深度估计的区域变形网络
本文提出了一种新的基于学习的深度估计方法，由 DepthNet、PoseNet 和 Region Deformer Networks（RDN）组成，用于无约束单眼视频的深度估计，其核心贡献在于 RDN 对刚性和非刚性物体的适当处理，特别是提
PDF5 years ago
AAAI无需传感器的深度预测：利用结构从单目视频中进行无监督学习
该研究提出了一种基于几何结构的无监督视觉深度学习方法，通过建模场景和物体，学习单目视频的摄像机姿态和物体运动，并引入在线细化方法，实现对未知域的实时适应。该方法优于现有技术，包括处理运动的技术，并可用于机器人导航领域的室内和室外场景。
PDF6 years ago
使用分层深度轨迹复识别技术进行多人跟踪
本文提出了一个 hierarchical clustering 机制的跟踪框架，以便在利用 multi-stage deep network 进行 tracklet re-identification 的同时，合并 tracklets，从而
PDF6 years ago
ECCV每个像素都很重要：利用整体三维运动理解进行无监督几何学习
本文通过在未标记视频上观看，利用深度卷积神经网络来学习单张图像的三维几何估计，通过将像素水平的三维物体运动加入到学习框架中，提供了整体的三维场景流理解并有助于单张图像的几何估计。
PDF6 years ago
姿势为行动 - 行动为姿势
本研究提出一种基于人类行为信息以改善单目视频中的姿态估计的方法，运用具有高级信息的绘画结构模型，将高阶部分依赖性纳入考虑，通过建模行为专有的外观模型和姿态先验。同时，通过在姿态估计过程中使用统一的行为先验进行更新，而无需使用额外的昂贵的行为
PDF8 years ago