論文の概要: On the role of depth predictions for 3D human pose estimation
- arxiv url: http://arxiv.org/abs/2103.02521v1
- Date: Wed, 3 Mar 2021 16:51:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-04 14:58:00.279258
- Title: On the role of depth predictions for 3D human pose estimation
- Title（参考訳）: 3次元ポーズ推定における深度予測の役割について
- Authors: Alec Diaz-Arias, Mitchell Messmore, Dmitriy Shin, and Stephen Baek
- Abstract要約: 推定深度値とともに2dジョイント位置を入力とし、3d位置をカメラ座標で予測するシステムを構築します。
結果は低次元の入力を受け入れ、リアルタイムシステムに統合されるニューラルネットワークで生成されます。
本システムは市販の2dポーズ検出器と深度マップ予測器と組み合わせて野生での3dポーズ推定を行うことができる。
- 参考スコア（独自算出の注目度）: 0.04199844472131921
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Following the successful application of deep convolutional neural networks to
2d human pose estimation, the next logical problem to solve is 3d human pose
estimation from monocular images. While previous solutions have shown some
success, they do not fully utilize the depth information from the 2d inputs.
With the goal of addressing this depth ambiguity, we build a system that takes
2d joint locations as input along with their estimated depth value and predicts
their 3d positions in camera coordinates. Given the inherent noise and
inaccuracy from estimating depth maps from monocular images, we perform an
extensive statistical analysis showing that given this noise there is still a
statistically significant correlation between the predicted depth values and
the third coordinate of camera coordinates. We further explain how the
state-of-the-art results we achieve on the H3.6M validation set are due to the
additional input of depth. Notably, our results are produced on neural network
that accepts a low dimensional input and be integrated into a real-time system.
Furthermore, our system can be combined with an off-the-shelf 2d pose detector
and a depth map predictor to perform 3d pose estimation in the wild.
- Abstract（参考訳）: 深層畳み込みニューラルネットワークの2次元人間のポーズ推定への応用の成功に続いて、次に解決すべき論理問題は、単眼画像からの3次元人間のポーズ推定である。
これまでのソリューションはある程度成功したが、2d入力からの奥行き情報を十分に活用していない。
この奥行き曖昧性に対処するために,推定深度値とともに2次元関節位置を入力とし,その3次元位置をカメラ座標で予測するシステムを構築する。
単眼画像から深度マップを推定することによる固有ノイズと不正確さを考慮すると、このノイズを考慮に入れれば、カメラ座標の3番目の座標と予測深度値の間に統計的に有意な相関関係があることが分かる。
さらに、H3.6M検証セットで達成した最先端の結果が、さらなる深度入力によるものであることを説明します。
特に、我々の結果は低次元入力を受け入れてリアルタイムシステムに統合されるニューラルネットワーク上で生成される。
さらに,本システムは市販の2dポーズ検出器と深度マップ予測器と組み合わせて野生での3dポーズ推定を行うことができる。
関連論文リスト
- SCIPaD: Incorporating Spatial Clues into Unsupervised Pose-Depth Joint Learning [17.99904937160487]
本研究では,教師なし深層学習のための空間的手がかりを取り入れた新しいアプローチであるSCIPaDを紹介する。
SCIPaDは平均翻訳誤差22.2%、カメラポーズ推定タスクの平均角誤差34.8%をKITTI Odometryデータセットで達成している。
論文 参考訳（メタデータ） (2024-07-07T06:52:51Z) - Toward Accurate Camera-based 3D Object Detection via Cascade Depth
Estimation and Calibration [20.82054596017465]
最近の3次元物体検出は、画像から3次元特徴空間への変換の精度によって制限されている。
本稿では,カメラを用いた3次元物体検出の基本的な課題である,正確な特徴持ち上げと物体位置決めのための深度情報を効果的に学習する方法を提案する。
論文 参考訳（メタデータ） (2024-02-07T14:21:26Z) - Scene-aware Egocentric 3D Human Pose Estimation [72.57527706631964]
頭部に1台の魚眼カメラを装着したエゴセントリックな3Dポーズ推定は、仮想現実や拡張現実における多くの応用により、近年注目を集めている。
既存の方法はまだ、人間の体が非常に隠蔽されている、あるいはシーンと密接な相互作用がある、挑戦的なポーズに苦慮している。
本研究では,シーン制約による自己中心型ポーズの予測を導くシーン認識型自己中心型ポーズ推定手法を提案する。
論文 参考訳（メタデータ） (2022-12-20T21:35:39Z) - Monocular 3D Object Detection with Depth from Motion [74.29588921594853]
我々は、正確な物体深度推定と検出にカメラエゴモーションを利用する。
我々のフレームワークはDfM(Depth from Motion)と呼ばれ、2D画像の特徴を3D空間に持ち上げて3Dオブジェクトを検出する。
我々のフレームワークは、KITTIベンチマークにおいて最先端の手法よりも大きなマージンで優れている。
論文 参考訳（メタデータ） (2022-07-26T15:48:46Z) - Semi-Perspective Decoupled Heatmaps for 3D Robot Pose Estimation from
Depth Maps [66.24554680709417]
協調環境における労働者とロボットの正確な3D位置を知ることは、いくつかの実際のアプリケーションを可能にする。
本研究では、深度デバイスと深度ニューラルネットワークに基づく非侵襲的なフレームワークを提案し、外部カメラからロボットの3次元ポーズを推定する。
論文 参考訳（メタデータ） (2022-07-06T08:52:12Z) - VR3Dense: Voxel Representation Learning for 3D Object Detection and
Monocular Dense Depth Reconstruction [0.951828574518325]
3次元物体検出と単眼深層再構成ニューラルネットワークを共同トレーニングする方法を紹介します。
推論中に入力、LiDARポイントクラウド、単一のRGBイメージとして取得し、オブジェクトポーズ予測と密に再構築された深度マップを生成します。
物体検出は教師付き方式で訓練されるが,自己教師型と教師型の両方の損失関数を用いて深度予測ネットワークを訓練する。
論文 参考訳（メタデータ） (2021-04-13T04:25:54Z) - Multi-View Multi-Person 3D Pose Estimation with Plane Sweep Stereo [71.59494156155309]
既存のマルチビュー3Dポーズ推定手法は、複数のカメラビューからグループ2Dポーズ検出に対するクロスビュー対応を明確に確立する。
平面スイープステレオに基づくマルチビュー3Dポーズ推定手法を提案し、クロスビュー融合と3Dポーズ再構築を1ショットで共同で解決します。
論文 参考訳（メタデータ） (2021-04-06T03:49:35Z) - Residual Pose: A Decoupled Approach for Depth-based 3D Human Pose
Estimation [18.103595280706593]
我々は,CNNによる信頼度の高い2次元ポーズ推定の最近の進歩を活用し,深度画像から人物の3次元ポーズを推定する。
提案手法は2つの公開データセットの精度と速度の両面で非常に競争力のある結果が得られる。
論文 参考訳（メタデータ） (2020-11-10T10:08:13Z) - Beyond Weak Perspective for Monocular 3D Human Pose Estimation [6.883305568568084]
単眼映像からの3次元関節位置と方向予測の課題を考察する。
まず,市販のポーズ推定アルゴリズムを用いて2次元関節位置を推定する。
次に、初期パラメータを受信するSMPLifyアルゴリズムに準拠する。
論文 参考訳（メタデータ） (2020-09-14T16:23:14Z) - HDNet: Human Depth Estimation for Multi-Person Camera-Space Localization [83.57863764231655]
本稿では,根の絶対的局所化のためのエンドツーエンドフレームワークであるHuman Depth Estimation Network (HDNet)を提案する。
関節間の特徴伝達に骨格ベースのグラフニューラルネットワーク(GNN)を用いる。
我々は,2つのベンチマークデータセットを用いて,ルートジョイントローカライゼーションとルート相対的な3次元ポーズ推定タスクについて,HDNetの評価を行った。
論文 参考訳（メタデータ） (2020-07-17T12:44:23Z) - Occlusion-Aware Depth Estimation with Adaptive Normal Constraints [85.44842683936471]
カラービデオから多フレーム深度を推定する新しい学習手法を提案する。
本手法は深度推定精度において最先端の手法より優れる。
論文 参考訳（メタデータ） (2020-04-02T07:10:45Z)
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。