論文の概要: Bodies at Rest: 3D Human Pose and Shape Estimation from a Pressure Image using Synthetic Data

• arxiv url: http://arxiv.org/abs/2004.01166v1
• Date: Thu, 2 Apr 2020 17:44:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 12:56:33.592206
• Title: Bodies at Rest: 3D Human Pose and Shape Estimation from a Pressure Image using Synthetic Data
• Title（参考訳）: 人体の静止状態 : 合成データを用いた3次元人物ポーズと圧力画像からの形状推定
• Authors: Henry M. Clever, Zackory Erickson, Ariel Kapusta, Greg Turk, C. Karen Liu, and Charles C. Kemp
• Abstract要約: 本研究では,圧力感知マットを用いたベッド内での安静時の人体をシミュレーションする物理法について述べる。 人間のポーズと形状を3Dで表現した206Kの圧力画像を用いた合成データセットであるSciencePoseを提示する。 また、圧力画像と性別が与えられた人間のポーズと形状を推定する深層学習モデルであるScienceNetも提示する。
• 参考スコア（独自算出の注目度）: 22.264931349167412
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: People spend a substantial part of their lives at rest in bed. 3D human pose and shape estimation for this activity would have numerous beneficial applications, yet line-of-sight perception is complicated by occlusion from bedding. Pressure sensing mats are a promising alternative, but training data is challenging to collect at scale. We describe a physics-based method that simulates human bodies at rest in a bed with a pressure sensing mat, and present PressurePose, a synthetic dataset with 206K pressure images with 3D human poses and shapes. We also present PressureNet, a deep learning model that estimates human pose and shape given a pressure image and gender. PressureNet incorporates a pressure map reconstruction (PMR) network that models pressure image generation to promote consistency between estimated 3D body models and pressure image input. In our evaluations, PressureNet performed well with real data from participants in diverse poses, even though it had only been trained with synthetic data. When we ablated the PMR network, performance dropped substantially.
• Abstract（参考訳）: 人々は人生の大部分をベッドで休んでいます。 この活動に対する3次元の人間のポーズと形状の推定には多くの有益な応用があるだろうが、直視の知覚はベディングからの隠蔽によって複雑である。 圧力感知マットは有望な代替手段だが、トレーニングデータは大規模に収集することが難しい。 本研究では, 圧力感知マットを用いたベッド内での安静時の人体シミュレーションと, 3次元の人体ポーズと形状を持つ206Kの圧力画像を用いた合成データセットであるSciencePoseについて述べる。 また,圧力画像と性別から人間のポーズと形状を推定する深層学習モデルである pressurenet も紹介する。 PressureNetは、圧力画像生成をモデル化し、推定された3Dボディモデルと圧力画像入力の整合性を促進する圧力マップ再構成(PMR)ネットワークを組み込んでいる。 評価では,合成データのみを用いてトレーニングした場合でも,様々なポーズで参加者の実際のデータとよく一致した。 PMRネットワークが廃止されると、性能は大幅に低下した。

関連論文リスト

• BodyMAP -- Jointly Predicting Body Mesh and 3D Applied Pressure Map for People in Bed [5.7496805993370845]
  人体メッシュと人体全体にわたる3次元加圧マップを共同で予測するBodyMAPについて紹介する。 本手法は,体メッシュおよび3次元加圧マップ予測タスクにおいて,現在の最先端技術よりも25%優れていた。
  論文  参考訳（メタデータ） (2024-04-04T03:45:17Z)
• Self-supervised 3D Human Pose Estimation from a Single Image [1.0878040851638]
  本研究では,1枚の画像から3次元人体ポーズを予測する自己教師型手法を提案する。 予測ネットワークは、典型的なポーズの人物と、未ペアの2Dポーズのセットを描写した未ラベル画像のデータセットから訓練される。
  論文  参考訳（メタデータ） (2023-04-05T10:26:21Z)
• Learning to Estimate 3D Human Pose from Point Cloud [13.27496851711973]
  本稿では,複雑な人体構造物の表面をモデル化するための入力データとして,点雲データを用いた3次元ポーズ推定のための深層人体ポーズネットワークを提案する。 2つの公開データセットに対する実験により,従来の最先端手法よりも精度が高いことを示す。
  論文  参考訳（メタデータ） (2022-12-25T14:22:01Z)
• 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)
• Single-view 3D Body and Cloth Reconstruction under Complex Poses [37.86174829271747]
  既存の暗黙の関数ベースモデルを拡張して、任意のポーズと自己排他的な手足を持つ人間の画像を扱う。 入力画像を低精細度で3次元のボディ形状にマッピングする暗黙の関数を学習する。 次に、スムーズな表面を条件とした変位マップを学習し、衣服や身体の高周波の詳細を符号化する。
  論文  参考訳（メタデータ） (2022-05-09T07:34:06Z)
• LatentHuman: Shape-and-Pose Disentangled Latent Representation for Human Bodies [78.17425779503047]
  本稿では,人体に対する新しい暗黙の表現法を提案する。 完全に微分可能で、非交叉形状で最適化可能であり、潜在空間を映し出す。 我々のモデルは、よく設計された損失を伴う、水密でない生データを直接訓練し、微調整することができる。
  論文  参考訳（メタデータ） (2021-11-30T04:10:57Z)
• Learning Realistic Human Reposing using Cyclic Self-Supervision with 3D Shape, Pose, and Appearance Consistency [55.94908688207493]
  画像品質のギャップを教師付き手法で埋める自己教師型フレームワークSPICEを提案する。 自己超越を可能にする重要な洞察は、様々な方法で人体に関する3D情報を活用することである。 SPICEはDeepFashionデータセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-10-11T17:48:50Z)
• Detailed Avatar Recovery from Single Image [50.82102098057822]
  本稿では,単一画像からエンフデテールアバターを回収するための新しい枠組みを提案する。 階層的メッシュ変形フレームワークでは、ディープニューラルネットワークを使用して3次元形状を洗練しています。 本手法は,皮膚モデルを超えて,完全なテクスチャで詳細な人体形状を復元することができる。
  論文  参考訳（メタデータ） (2021-08-06T03:51:26Z)
• 3D Human Pose Regression using Graph Convolutional Network [68.8204255655161]
  本稿では,2次元のポーズから3次元のポーズ回帰を行うために,PoseGraphNetというグラフ畳み込みネットワークを提案する。 我々のモデルの性能は最先端に近いが、パラメータははるかに少ない。
  論文  参考訳（メタデータ） (2021-05-21T14:41:31Z)
• BodyPressure -- Inferring Body Pose and Contact Pressure from a Depth Image [13.676743525349124]
  深度画像から人体とマットレスの接触圧を推定する手法を提案する。 具体的には、下向きカメラからの奥行き画像を用いて、寝床の安静時の身体の圧力を推定する。 我々は、拡張データセットでトレーニングし、実データで評価する新しいディープネットワークを導入する。
  論文  参考訳（メタデータ） (2021-05-20T17:55:31Z)
• Neural 3D Clothes Retargeting from a Single Image [91.5030622330039]
  本稿では,1枚のRGB画像で人物にフィットする3次元衣料テンプレートモデルの潜在的なポーズと変形を生成する方法を提案する。 この問題は、地上の真実データを取得することは不可能である、すなわち、異なる3D衣料品テンプレートモデルを全く同じポーズで身に着けている人々の画像として、基本的には不適切である。 そこで本研究では,3次元変形の物理的妥当性を検証するための半教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-29T20:50:34Z)

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。