論文の概要: Reconstructing NBA Players
- arxiv url: http://arxiv.org/abs/2007.13303v1
- Date: Mon, 27 Jul 2020 04:09:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 08:37:43.998632
- Title: Reconstructing NBA Players
- Title（参考訳）: NBA選手の再構築
- Authors: Luyang Zhu, Konstantinos Rematas, Brian Curless, Steve Seitz, Ira
Kemelmacher-Shlizerman
- Abstract要約: 本稿では,バスケットボール選手の再建に向けた新たなアプローチを提案する。
私たちのアプローチの鍵は、NBAプレーヤーのポーズ可能なスキン付きモデルを作成する新しい方法です。
これらのモデルに基づいて,バスケットボールの任意のポーズにおいて,着衣選手の1枚の写真を入力し,高解像度メッシュと3Dポーズを出力する新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 23.291637468364947
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Great progress has been made in 3D body pose and shape estimation from a
single photo. Yet, state-of-the-art results still suffer from errors due to
challenging body poses, modeling clothing, and self occlusions. The domain of
basketball games is particularly challenging, as it exhibits all of these
challenges. In this paper, we introduce a new approach for reconstruction of
basketball players that outperforms the state-of-the-art. Key to our approach
is a new method for creating poseable, skinned models of NBA players, and a
large database of meshes (derived from the NBA2K19 video game), that we are
releasing to the research community. Based on these models, we introduce a new
method that takes as input a single photo of a clothed player in any basketball
pose and outputs a high resolution mesh and 3D pose for that player. We
demonstrate substantial improvement over state-of-the-art, single-image methods
for body shape reconstruction.
- Abstract（参考訳）: 3Dボディーポーズと1枚の写真からの形状推定に大きな進歩があった。
しかし、最先端の成果は、挑戦的なボディーポーズ、服のモデリング、自己閉塞などによるエラーに苦しめられている。
バスケットボールの試合の領域は、これらすべての課題を示すため、特に困難である。
本稿では,バスケットボール選手を再建するための新しいアプローチを提案する。
私たちのアプローチの鍵は、NBAプレーヤーのポーズ可能なスキン付きモデルを作成するための新しい方法と、研究コミュニティにリリースする大規模なメッシュデータベース(NBA2K19のゲームに由来する)です。
これらのモデルに基づいて,バスケットボールの任意のポーズにおいて,着衣選手の1枚の写真を入力し,高解像度メッシュと3Dポーズを出力する新しい手法を提案する。
身体形状復元のための最先端, 単一像法よりも大幅に改善した。
関連論文リスト
- SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap [102.5232204867158]
我々は、ゲーム状態再構成のタスクを形式化し、フットボールビデオに焦点を当てた新しいゲーム状態再構成データセットである、サッカーネット-GSRを紹介する。
SoccerNet-GSRは、ピッチローカライゼーションとカメラキャリブレーションのための937万行のアノテートにより、30秒間の200の動画シーケンスで構成されている。
我々の実験は、GSRは挑戦的な新しい課題であり、将来の研究の場を開くことを示している。
論文 参考訳（メタデータ） (2024-04-17T12:53:45Z) - DiffBody: Diffusion-based Pose and Shape Editing of Human Images [1.7188280334580193]
本稿では,アイデンティティを保存した大規模な編集を可能にするワンショットアプローチを提案する。
大きな編集を可能にするため、3Dボディモデルに適合し、入力画像を3Dモデルに投影し、身体のポーズと形状を変更する。
我々は、自己教師付き学習によるテキスト埋め込みを微調整することで、現実主義をさらに強化する。
論文 参考訳（メタデータ） (2024-01-05T13:36:19Z) - SiTH: Single-view Textured Human Reconstruction with Image-Conditioned Diffusion [35.73448283467723]
SiTHは、イメージ条件付き拡散モデルと3Dメッシュ再構築ワークフローを統合する、新しいパイプラインである。
我々は、入力画像に基づいて、見えないバックビューの外観を幻覚させるために、強力な生成拡散モデルを用いる。
後者では,入力画像とバックビュー画像から全身のテクスチャメッシュを復元するためのガイダンスとして,肌付きボディーメッシュを利用する。
論文 参考訳（メタデータ） (2023-11-27T14:22:07Z) - Human from Blur: Human Pose Tracking from Blurry Images [89.65036443997103]
ほぼぼやけた画像から3次元人間のポーズを推定する手法を提案する。
中心となる考え方は、人間の3次元モデル、テクスチャマップ、人間の動きを記述するポーズの列で前方の問題をモデル化することで、画像劣化の逆問題に取り組むことである。
微分可能なステップを用いることで、画素ワイズ再投影誤差をバックプロパゲートして、最適な人間の動作表現を復元することで、逆問題を解決することができる。
論文 参考訳（メタデータ） (2023-03-30T08:05:59Z) - Can a face tell us anything about an NBA prospect? -- A Deep Learning
approach [0.0]
画像解析と畳み込みニューラルネットワークを,各ドラフトクラスから新たに作成した選手のキャリア軌跡を予測するために展開する。
1990年以降のドラフト毎に,約1500枚の画像データからなるデータベースを構築した。
筆者らは,データ中の一般的な事前学習画像分類モデルを訓練し,新人選手のキャリアを確実に予測するモデルを作成するために,一連の実験を行った。
論文 参考訳（メタデータ） (2022-12-13T18:36:29Z) - Few-View Object Reconstruction with Unknown Categories and Camera Poses [80.0820650171476]
この研究は、カメラのポーズやオブジェクトのカテゴリを知らない少数の画像から、一般的な現実世界のオブジェクトを再構築する。
私たちの研究の要点は、形状再構成とポーズ推定という、2つの基本的な3D視覚問題を解決することです。
提案手法は,各ビューから3次元特徴を予測し,それらを入力画像と組み合わせて活用し,クロスビュー対応を確立する。
論文 参考訳（メタデータ） (2022-12-08T18:59:02Z) - 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) - 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) - Learning Pose-invariant 3D Object Reconstruction from Single-view Images [61.98279201609436]
本稿では,単視点画像のみから3次元形状を学習する,より現実的な構成について検討する。
最大の難しさは、単一のビューイメージが提供できる制約の不足にある。
本稿では, 対角コンパクトな形状空間を学習するために, 効果的な対角領域混同法を提案する。
論文 参考訳（メタデータ） (2020-04-03T02:47:35Z) - Deep Fashion3D: A Dataset and Benchmark for 3D Garment Reconstruction
from Single Images [50.34202789543989]
Deep Fashion3Dは、これまでで最大の3D衣料品のコレクションだ。
3D機能ライン、3Dボディポーズ、対応するマルチビューリアルイメージなど、リッチなアノテーションを提供する。
一つのネットワークであらゆる種類の衣服を学習できる新しい適応型テンプレートが提案されている。
論文 参考訳（メタデータ） (2020-03-28T09:20:04Z)
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。