Fugu-MT 論文翻訳(概要): A review of 3D human pose estimation algorithms for markerless motion capture

論文の概要: A review of 3D human pose estimation algorithms for markerless motion capture

arxiv url: http://arxiv.org/abs/2010.06449v3
Date: Mon, 12 Jul 2021 17:07:05 GMT
ステータス: 処理完了
システム内更新日: 2022-10-08 00:03:54.979105
Title: A review of 3D human pose estimation algorithms for markerless motion capture
Title（参考訳）: マーカーレスモーションキャプチャのための3次元ポーズ推定アルゴリズムの検討
Authors: Yann Desmarais, Denis Mottet, Pierre Slangen, Philippe Montesinos
Abstract要約: 我々は過去5年間の主要な人間のポーズ推定手法を概観し、メトリクス、ベンチマーク、メソッド構造に注目した。本稿では,方法の分類や今後の研究の方向性の導出に使用する精度,速度,堅牢性に基づく分類法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Human pose estimation is a very active research field, stimulated by its important applications in robotics, entertainment or health and sports sciences, among others. Advances in convolutional networks triggered noticeable improvements in 2D pose estimation, leading modern 3D markerless motion capture techniques to an average error per joint of 20 mm. However, with the proliferation of methods, it is becoming increasingly difficult to make an informed choice. Here, we review the leading human pose estimation methods of the past five years, focusing on metrics, benchmarks and method structures. We propose a taxonomy based on accuracy, speed and robustness that we use to classify de methods and derive directions for future research.
Abstract（参考訳）: 人間のポーズ推定は非常に活発な研究分野であり、ロボット工学、エンタテインメント、健康科学、スポーツ科学などに応用されている。畳み込みネットワークの進歩は、2Dポーズ推定の顕著な改善を引き起こし、現代の3Dマーカーレスモーションキャプチャ技術は20mmの関節の平均誤差に導いた。しかし, 手法の普及に伴い, インフォームドな選択を行うことがますます困難になっている。本稿では,過去5年間のヒトのポーズ推定手法を概観し,メトリクス,ベンチマーク,メソッド構造に注目した。方法の分類や今後の研究の方向性の導出に使用する精度,速度,堅牢性に基づく分類法を提案する。

関連論文リスト

Markerless Multi-view 3D Human Pose Estimation: a survey [0.49157446832511503]
3D人間のポーズ推定は、複数の関節を検知することで、シーン内のすべての個人の骨格を再構築することを目的としている。 3Dポーズの再構築に関わるすべての課題を解決する方法はまだない。さらに、高い精度の3Dポーズを計算コストで迅速に推測できるアプローチを開発するためには、さらなる研究が必要である。
論文参考訳（メタデータ） (2024-07-04T10:44:35Z)
HOIMotion: Forecasting Human Motion During Human-Object Interactions Using Egocentric 3D Object Bounding Boxes [10.237077867790612]
本稿では,人間と物体の相互作用における人間の動き予測の新しい手法であるHOIMotionを提案する。提案手法は,過去の身体のポーズやエゴセントリックな3Dオブジェクト境界ボックスに関する情報を統合する。 HOIMotionは、最先端の手法よりも大きなマージンで一貫して優れていることを示す。
論文参考訳（メタデータ） (2024-07-02T19:58:35Z)
Deep learning for 3D human pose estimation and mesh recovery: A survey [6.535833206786788]
本稿では過去5年間の3次元ポーズ推定のためのディープラーニング手法の進歩を概観する。我々の知る限りでは、この調査は人間の3次元ポーズ推定のためのディープラーニング手法を包括的にカバーした最初のものであることは間違いない。
論文参考訳（メタデータ） (2024-02-29T04:30:39Z)
Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion Modeling [83.76377808476039]
本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
論文参考訳（メタデータ） (2023-08-18T16:41:57Z)
Markerless 3D human pose tracking through multiple cameras and AI: Enabling high accuracy, robustness, and real-time performance [0.0]
リアルタイムに3Dの人間の動きを追跡することは、多くの分野にわたる多くのアプリケーションにとって不可欠である。人工知能の最近の進歩はマーカーレスソリューションを可能にしている。本稿では,マルチカメラビューと2次元AIに基づくポーズ推定手法を組み合わせたマーカーレスフレームワークを提案する。
論文参考訳（メタデータ） (2023-03-31T15:06:50Z)
Advanced Baseline for 3D Human Pose Estimation: A Two-Stage Approach [1.52292571922932]
本稿では,2段階法における2次元から3次元への昇降過程に着目し,より高度な3次元ポーズ推定ベースラインモデルを提案する。私たちの改善点は、機械学習モデルと複数のパラメータの最適化と、トレーニングモデルへの重み付き損失の導入です。
論文参考訳（メタデータ） (2022-12-21T20:31:39Z)
PONet: Robust 3D Human Pose Estimation via Learning Orientations Only [116.1502793612437]
本稿では,学習向きのみを用いて3次元ポーズを頑健に推定できる新しいPose Orientation Net(PONet)を提案する。 PONetは、局所的な画像証拠を利用して、これらの手足の3D方向を推定し、3Dポーズを復元する。我々は,Human3.6M,MPII,MPI-INF-3DHP,3DPWを含む複数のデータセットについて評価を行った。
論文参考訳（メタデータ） (2021-12-21T12:48:48Z)
Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep Learning Perspective [69.44384540002358]
この問題に対処するための包括的で包括的な2D-to-3D視点を提供する。 2014年からの主流とマイルストーンのアプローチを統一フレームワークで分類しています。また,ポーズ表現スタイル,ベンチマーク,評価指標,一般的なアプローチの定量的評価を要約した。
論文参考訳（メタデータ） (2021-04-23T11:07:07Z)
Self-Attentive 3D Human Pose and Shape Estimation from Videos [82.63503361008607]
3D人間のポーズと形状推定のためのビデオベースの学習アルゴリズムを紹介します。ビデオの時間情報を利用して自己着脱モジュールを提案する。本手法を3DPW, MPI-INF-3DHP, Human3.6Mデータセット上で評価した。
論文参考訳（メタデータ） (2021-03-26T00:02:19Z)
Deep Learning-Based Human Pose Estimation: A Survey [66.01917727294163]
人間のポーズ推定は、過去10年間に注目を集めてきた。ヒューマン・コンピュータ・インタラクション、モーション・アナリティクス、拡張現実、バーチャル・リアリティーなど幅広い用途で利用されている。最近のディープラーニングベースのソリューションは、人間のポーズ推定において高いパフォーマンスを実現している。
論文参考訳（メタデータ） (2020-12-24T18:49:06Z)
A Deep Learning Approach for Motion Forecasting Using 4D OCT Data [69.62333053044712]
我々は,OCTボリュームのストリームを用いたエンド・ツー・エンド動作予測と推定のための4次元時間深度学習を提案する。提案手法は,全体の平均相関97.41%の動作予測を実現するとともに,従来の3D手法と比較して2.5倍の動作推定性能を向上する。
論文参考訳（メタデータ） (2020-04-21T15:59:53Z)

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。