Fugu-MT 論文翻訳(概要): Tilting at windmills: Data augmentation for deep pose estimation does not help with occlusions

論文の概要: Tilting at windmills: Data augmentation for deep pose estimation does not help with occlusions

arxiv url: http://arxiv.org/abs/2010.10451v1
Date: Tue, 20 Oct 2020 17:06:46 GMT
ステータス: 処理完了
システム内更新日: 2022-10-05 06:28:27.892747
Title: Tilting at windmills: Data augmentation for deep pose estimation does not help with occlusions
Title（参考訳）: 風車における傾き:深姿勢推定のためのデータ拡張は咬合に役立たない
Authors: Rafal Pytel, Osman Semih Kayhan, Jan C. van Gemert
Abstract要約: 本稿では,標的となるキーポイントと身体部分閉塞攻撃について紹介する。攻撃の効果は、最も優れた実行方法に対して体系的に分析される。さらに,キーポイントやパートアタックに対する排他的データ拡張手法を提案する。
参考スコア（独自算出の注目度）: 16.02592287695421
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Occlusion degrades the performance of human pose estimation. In this paper, we introduce targeted keypoint and body part occlusion attacks. The effects of the attacks are systematically analyzed on the best performing methods. In addition, we propose occlusion specific data augmentation techniques against keypoint and part attacks. Our extensive experiments show that human pose estimation methods are not robust to occlusion and data augmentation does not solve the occlusion problems.
Abstract（参考訳）: 排除は人間のポーズ推定の性能を低下させる。本稿では,標的となるキーポイントと身体部分閉塞攻撃について紹介する。攻撃の効果は、最良の実行方法に体系的に分析される。さらに,キーポイントとパートアタックに対するオクルージョン特定データ拡張手法を提案する。大規模な実験により,ヒトのポーズ推定法は閉塞に対して堅牢ではなく,データ拡張は閉塞問題の解決に至らないことが示された。

関連論文リスト

Anti-Collapse Loss for Deep Metric Learning Based on Coding Rate Metric [99.19559537966538]
DMLは、分類、クラスタリング、検索といった下流タスクのための識別可能な高次元埋め込み空間を学習することを目的としている。埋め込み空間の構造を維持し,特徴の崩壊を避けるために,反崩壊損失と呼ばれる新しい損失関数を提案する。ベンチマークデータセットの総合実験により,提案手法が既存の最先端手法より優れていることを示す。
論文参考訳（メタデータ） (2024-07-03T13:44:20Z)
Semi-Supervised Unconstrained Head Pose Estimation in the Wild [60.08319512840091]
本研究では,最初の半教師なしヘッドポーズ推定手法であるSemiUHPEを提案する。本手法は,野生頭部のアスペクト比不変収穫が,それまでのランドマークベースのアフィンアライメントよりも優れているという観測に基づいている。実験とアブレーション研究は、SemiUHPEが既存の手法を公開ベンチマークで大きく上回っていることを示している。
論文参考訳（メタデータ） (2024-04-03T08:01:00Z)
DPMesh: Exploiting Diffusion Prior for Occluded Human Mesh Recovery [71.6345505427213]
DPMeshは、人間のメッシュリカバリを排除した革新的なフレームワークである。これは、事前訓練されたテキスト・ツー・イメージ拡散モデルに埋め込まれた対象構造と空間的関係について、より深い拡散に乗じる。
論文参考訳（メタデータ） (2024-04-01T18:59:13Z)
A comprehensive framework for occluded human pose estimation [10.92234109536279]
咬合は人間のポーズ推定において重要な課題である。そこで我々は,DAG (Data, Attention, Graph) を提案する。また、FGMP-GCN (Feature-Guided Multi-Hop GCN) を提示し、身体構造に関する事前知識を十分に探求し、ポーズ推定結果を改善する。
論文参考訳（メタデータ） (2023-12-30T06:55:30Z)
Occlusion Robust 3D Human Pose Estimation with StridedPoseGraphFormer and Data Augmentation [69.49430149980789]
提案手法は最先端技術(SoA)と良好に比較できることを示す。また, 閉塞処理機構が存在しない場合には, SoA 3D HPE法の性能が著しく低下することが明らかとなった。
論文参考訳（メタデータ） (2023-04-24T13:05:13Z)
Explicit Occlusion Reasoning for Multi-person 3D Human Pose Estimation [33.86986028882488]
咬合は, 咬合者の形状, 外観, 位置の変動が大きいため, 単眼多面体3次元ポーズ推定において大きな脅威となる。既存のメソッドは、ポーズ先/制約、データ拡張、暗黙の推論でオクルージョンを処理しようとする。本研究では、ボトムアップ型多人数ポーズ推定を大幅に改善する、このプロセスを明示的にモデル化する手法を開発した。
論文参考訳（メタデータ） (2022-07-29T22:12:50Z)
Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
論文参考訳（メタデータ） (2022-03-29T07:14:58Z)
Occlusion-Robust Object Pose Estimation with Holistic Representation [42.27081423489484]
State-of-the-art(SOTA)オブジェクトのポーズ推定器は2段階のアプローチを取る。我々は,新しいブロック・アンド・ブラックアウトバッチ拡張技術を開発した。また,総合的なポーズ表現学習を促進するためのマルチ精度監視アーキテクチャも開発している。
論文参考訳（メタデータ） (2021-10-22T08:00:26Z)
Learning Dynamics via Graph Neural Networks for Human Pose Estimation and Tracking [98.91894395941766]
ポーズ検出とは無関係なポーズダイナミクスを学習する新しいオンライン手法を提案する。具体的には、空間的・時間的情報と視覚的情報の両方を明示的に考慮したグラフニューラルネットワーク(GNN)を通して、このダイナミクスの予測を導出する。 PoseTrack 2017とPoseTrack 2018データセットの実験では、提案手法が人間のポーズ推定とトラッキングタスクの両方において、技術の現状よりも優れた結果が得られることを示した。
論文参考訳（メタデータ） (2021-06-07T16:36:50Z)

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。