論文の概要: CALVIS: chest, waist and pelvis circumference from 3D human body meshes
as ground truth for deep learning
- arxiv url: http://arxiv.org/abs/2003.00834v1
- Date: Wed, 12 Feb 2020 10:36:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 19:40:07.262969
- Title: CALVIS: chest, waist and pelvis circumference from 3D human body meshes
as ground truth for deep learning
- Title（参考訳）: calvis: 深層学習の基礎的真実としての3次元人体メッシュの胸部, 腰部, 骨盤周囲
- Authors: Yansel Gonzalez Tejeda and Helmut Mayer
- Abstract要約: 本稿では,3次元人体メッシュからtextbfC$hest, w$textbfA$ist, pe$textbfLVIS$ circumferenceを計算する方法を提案する。
我々のモチベーションは、このデータを、畳み込みニューラルネットワーク(CNN)のトレーニングのための基礎的真実として使うことです。
- 参考スコア（独自算出の注目度）: 1.0279748604797907
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we present CALVIS, a method to calculate $\textbf{C}$hest,
w$\textbf{A}$ist and pe$\textbf{LVIS}$ circumference from 3D human body meshes.
Our motivation is to use this data as ground truth for training convolutional
neural networks (CNN). Previous work had used the large scale CAESAR dataset or
determined these anthropometrical measurements $\textit{manually}$ from a
person or human 3D body meshes. Unfortunately, acquiring these data is a cost
and time consuming endeavor. In contrast, our method can be used on 3D meshes
automatically. We synthesize eight human body meshes and apply CALVIS to
calculate chest, waist and pelvis circumference. We evaluate the results
qualitatively and observe that the measurements can indeed be used to estimate
the shape of a person. We then asses the plausibility of our approach by
generating ground truth with CALVIS to train a small CNN. After having trained
the network with our data, we achieve competitive validation error.
Furthermore, we make the implementation of CALVIS publicly available to advance
the field.
- Abstract（参考訳）: 本稿では,3次元人体メッシュの周囲から,$\textbf{C}$hest,w$\textbf{A}$ist,pe$\textbf{LVIS}$ circumferenceを計算する方法であるCALVISを提案する。
我々のモチベーションは、このデータを畳み込みニューラルネットワーク(cnn)のトレーニングの基盤として使うことです。
以前の研究では、大規模なCAESARデータセットを使用していたり、人や人間の3D体メッシュから、これらの人文計測を$\textit{manually}$で決定していた。
残念ながら、これらのデータを取得するのはコストと時間を要する。
対照的に、この方法は3dメッシュで自動的に使用できる。
8つの人体メッシュを合成し、胸部、腰部、骨盤周囲をカルビスで計算する。
実験の結果を定性的に評価し,その測定結果を用いて人の形状を推定できることを確かめた。
そして、CALVISで地上真実を生成して、小さなCNNを訓練することで、我々のアプローチの妥当性を評価する。
データを用いてネットワークをトレーニングした後、競合する検証エラーを発生させる。
さらに、我々はCALVISの実装を公開して分野を前進させる。
関連論文リスト
- CameraHMR: Aligning People with Perspective [54.05758012879385]
モノクロ画像からの正確な3次元ポーズと形状推定の課題に対処する。
既存のトレーニングデータセットには、擬似基底真理(pGT)を持つ実画像が含まれている。
pGTの精度を向上させる2つの貢献をしている。
論文 参考訳（メタデータ） (2024-11-12T19:12:12Z) - Neural Localizer Fields for Continuous 3D Human Pose and Shape Estimation [32.30055363306321]
本研究では、異なる人間のポーズや形状に関連したタスクやデータセットをシームレスに統一するパラダイムを提案する。
私たちの定式化は、トレーニングとテスト時間の両方で、人間の体積の任意の点を問う能力に重点を置いています。
メッシュや2D/3Dスケルトン,密度の高いポーズなど,さまざまな注釈付きデータソースを,変換することなく自然に利用することが可能です。
論文 参考訳（メタデータ） (2024-07-10T10:44:18Z) - SCULPT: Shape-Conditioned Unpaired Learning of Pose-dependent Clothed and Textured Human Meshes [62.82552328188602]
SCULPTは,人間の布とテクスチャを用いた3次元メッシュの新規な3次元生成モデルである。
我々は, 被服体の形状と外観分布を表現できるディープニューラルネットワークを考案した。
論文 参考訳（メタデータ） (2023-08-21T11:23:25Z) - Accurate 3D Body Shape Regression using Metric and Semantic Attributes [55.58629009876271]
画像からの3次元身体形状の回帰は、人文計測や言語的形状特性から訓練できることを示す。
これは、画像から3次元の身体形状の回帰を、容易に測定できる人文計測と言語的形状特性から訓練できる最初の実演である。
論文 参考訳（メタデータ） (2022-06-14T17:54:49Z) - A Neural Anthropometer Learning from Body Dimensions Computed on Human
3D Meshes [0.0]
本稿では,3次元メッシュの左右腕長,肩幅,切削高さ(クロッチ高さ)を,医療・バーチャル・トライオン・距離調整への応用に焦点をあてて算出する手法を提案する。
一方、最近発表された手法を用いて計算された4つの追加の体次元を用いて、8つの体次元の集合を組み立て、これら次元を推定できる畳み込みニューラルネットワークであるニューラル・アントロポメータの監視信号として使用する。
論文 参考訳（メタデータ） (2021-10-06T12:56:05Z) - Convolution-Free Medical Image Segmentation using Transformers [8.130670465411239]
近接する画像パッチ間の自己注意に基づく別の手法が,競争的あるいはよりよい結果が得られることを示す。
提案モデルにより,3つのデータセット上でのCNNの状態よりも優れたセグメンテーション精度が得られることを示す。
論文 参考訳（メタデータ） (2021-02-26T18:49:13Z) - Automatic Segmentation and Location Learning of Neonatal Cerebral
Ventricles in 3D Ultrasound Data Combining CNN and CPPN [3.552368449344917]
臨床ルーティングでは,2次元超音波画像上で手動2D計測を行い,脳室系の容積を推定する。
この問題に対処する1つの方法は、3DUSデータのための自動CVSセグメンテーションアルゴリズムを開発することである。
本稿では,この複雑な課題を解決するための2次元および3次元畳み込みニューラルネットワーク(CNN)の可能性について検討する。
論文 参考訳（メタデータ） (2020-12-05T11:57:26Z) - Uniformizing Techniques to Process CT scans with 3D CNNs for
Tuberculosis Prediction [5.270882613122642]
深部2次元畳み込みニューラルネットワーク(CNN)を用いたボリュームデータにおける医用画像解析への共通アプローチ
個々のスライスを2D CNNで独立に扱うと、意図したタスクのパフォーマンスが低下する深度情報を意図的に破棄する。
上記の問題に対処するためのボリューム均一化手法のセットを評価する。
画像情報のみを活用する全手法に勝るテストセットに対して,曲線下面積 (AUC) と二分分類精度 (ACC) を67.5%と報告した。
論文 参考訳（メタデータ） (2020-07-26T21:53:47Z) - SIZER: A Dataset and Model for Parsing 3D Clothing and Learning Size
Sensitive 3D Clothing [50.63492603374867]
SizerNetを導入し、人体形状と衣服サイズパラメータに基づいて3D衣服を予測する。
また、入力メッシュから1パスの個人的詳細を持つ衣服の下で、衣服のメッシュと形状を推測するためにNetを導入する。
論文 参考訳（メタデータ） (2020-07-22T18:13:24Z) - Combining Implicit Function Learning and Parametric Models for 3D Human
Reconstruction [123.62341095156611]
深層学習近似として表される暗黙の関数は、3次元曲面の再構成に強力である。
このような機能は、コンピュータグラフィックスとコンピュータビジョンの両方に柔軟なモデルを構築するのに不可欠である。
詳細に富んだ暗黙関数とパラメトリック表現を組み合わせた方法論を提案する。
論文 参考訳（メタデータ） (2020-07-22T13:46:14Z) - Disp R-CNN: Stereo 3D Object Detection via Shape Prior Guided Instance
Disparity Estimation [51.17232267143098]
ステレオ画像から3次元物体を検出するための新しいシステムDisp R-CNNを提案する。
我々は、LiDAR点雲を必要とせずに、統計的形状モデルを用いて、密度の異なる擬似地下構造を生成する。
KITTIデータセットの実験によると、LiDARの基盤構造がトレーニング時に利用できない場合でも、Disp R-CNNは競争性能を達成し、平均精度で従来の最先端手法を20%上回っている。
論文 参考訳（メタデータ） (2020-04-07T17:48:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。