論文の概要: Reconstructing 3D Human Pose by Watching Humans in the Mirror
- arxiv url: http://arxiv.org/abs/2104.00340v1
- Date: Thu, 1 Apr 2021 08:42:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-03 01:26:23.731676
- Title: Reconstructing 3D Human Pose by Watching Humans in the Mirror
- Title(参考訳): 鏡の中の人間を観て3次元人間のポーズを再構築する
- Authors: Qi Fang, Qing Shuai, Junting Dong, Hujun Bao, Xiaowei Zhou
- Abstract要約: 鏡を通して人や人のイメージを見ることができる単一の画像から、3D人間のポーズを再構築する新しいタスクを紹介します。
我々は,ミラー対称性の制約を利用して正確な3次元ポーズ再構成を行う最適化手法を開発した。
- 参考スコア(独自算出の注目度): 41.894948553970245
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we introduce the new task of reconstructing 3D human pose from
a single image in which we can see the person and the person's image through a
mirror. Compared to general scenarios of 3D pose estimation from a single view,
the mirror reflection provides an additional view for resolving the depth
ambiguity. We develop an optimization-based approach that exploits mirror
symmetry constraints for accurate 3D pose reconstruction. We also provide a
method to estimate the surface normal of the mirror from vanishing points in
the single image. To validate the proposed approach, we collect a large-scale
dataset named Mirrored-Human, which covers a large variety of human subjects,
poses and backgrounds. The experiments demonstrate that, when trained on
Mirrored-Human with our reconstructed 3D poses as pseudo ground-truth, the
accuracy and generalizability of existing single-view 3D pose estimators can be
largely improved.
- Abstract(参考訳): 本稿では,鏡を通して人物と人物の像を見ることができる1つの画像から3次元人間のポーズを再構築する新たな課題を紹介する。
単一視点からの3次元ポーズ推定の一般的なシナリオと比較すると、ミラー反射は深さのあいまいさを解消するための追加の視点を提供する。
ミラー対称性の制約を利用して正確な3次元ポーズ再構成を行う最適化手法を開発した。
また,単一画像中の点から鏡面の正常点を推定する手法も提案する。
提案手法を検証するために,多種多様な対象,ポーズ,背景をカバーするmirrored-humanという大規模データセットを収集した。
実験により,再構成した3次元ポーズを疑似接地としてミラー付き人間で学習すると,既存の1視点3次元ポーズ推定器の精度と一般化性が大幅に向上することが示された。
関連論文リスト
- Mirror-Aware Neural Humans [21.0548144424571]
我々は,カメラの自動校正により,市販の2Dポーズから始まるコンシューマレベルの3Dモーションキャプチャシステムを開発した。
我々は,身体モデル学習のメリットを実証的に実証し,難解なミラーシーンにおける隠蔽を考慮に入れた。
論文 参考訳(メタデータ) (2023-09-09T10:43:45Z) - 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) - ReFu: Refine and Fuse the Unobserved View for Detail-Preserving
Single-Image 3D Human Reconstruction [31.782985891629448]
シングルイメージの3次元再構成は,1枚の画像から人体の3次元テクスチャ面を再構築することを目的としている。
提案するReFuは、投影された背景像を精細化し、その精細な画像を融合して最終人体を予測するための粗大なアプローチである。
論文 参考訳(メタデータ) (2022-11-09T09:14:11Z) - Deep3DPose: Realtime Reconstruction of Arbitrarily Posed Human Bodies
from Single RGB Images [5.775625085664381]
本研究では,3次元人間のポーズを正確に再構築し,単一画像から詳細な3次元フルボディ幾何モデルをリアルタイムに構築する手法を提案する。
このアプローチの鍵となるアイデアは、単一のイメージを使用して5つの出力を同時に予測する、新しいエンドツーエンドのマルチタスクディープラーニングフレームワークである。
本研究では,3次元人体フロンティアを進化させ,定量的評価と最先端手法との比較により,単一画像からの再構築を図っている。
論文 参考訳(メタデータ) (2021-06-22T04:26:11Z) - 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) - 3D Multi-bodies: Fitting Sets of Plausible 3D Human Models to Ambiguous
Image Data [77.57798334776353]
単眼・部分閉塞視からヒトの高密度3次元再構成を実現することの問題点を考察する。
身体の形状やポーズをパラメータ化することで、あいまいさをより効果的にモデル化できることを示唆する。
提案手法は, 3次元人間の標準ベンチマークにおいて, あいまいなポーズ回復において, 代替手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-11-02T13:55:31Z) - Learning to Detect 3D Reflection Symmetry for Single-View Reconstruction [32.14605731030579]
単一のRGB画像からの3D再構成は、コンピュータビジョンにおいて難しい問題である。
従来の手法は通常データ駆動であり、不正確な3次元形状の復元と限定的な一般化能力をもたらす。
本稿では,人造物体によく見られる反射対称性の鏡面を初めて検出し,その対称性の画素内対応を見いだして深度マップを予測する。
論文 参考訳(メタデータ) (2020-06-17T17:58:59Z) - Self-Supervised 3D Human Pose Estimation via Part Guided Novel Image
Synthesis [72.34794624243281]
ラベルのないビデオフレームからバリエーションを分離する自己教師付き学習フレームワークを提案する。
3Dポーズと空間部分マップの表現ギャップを埋める、微分可能な形式化により、多様なカメラの動きを持つビデオで操作できる。
論文 参考訳(メタデータ) (2020-04-09T07:55:01Z) - 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 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。
まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。
これらの深度マップは、異なるビューを粗く整列するために使用される。
本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-03-27T21:28:54Z)
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。