論文の概要: PARE: Part Attention Regressor for 3D Human Body Estimation

• arxiv url: http://arxiv.org/abs/2104.08527v1
• Date: Sat, 17 Apr 2021 12:42:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 13:57:28.952185
• Title: PARE: Part Attention Regressor for 3D Human Body Estimation
• Title（参考訳）: PARE:3次元人体推定のための注意後退器
• Authors: Muhammed Kocabas, Chun-Hao P. Huang, Otmar Hilliges, Michael J. Black
• Abstract要約: Part Attention Regressorはボディパートガイドによる注意マスクの予測を学ぶ。 コードはhttps://pare.is.tue.mpg.de/で研究目的に利用できる。
• 参考スコア（独自算出の注目度）: 80.20146689494992
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite significant progress, we show that state of the art 3D human pose and shape estimation methods remain sensitive to partial occlusion and can produce dramatically wrong predictions although much of the body is observable. To address this, we introduce a soft attention mechanism, called the Part Attention REgressor (PARE), that learns to predict body-part-guided attention masks. We observe that state-of-the-art methods rely on global feature representations, making them sensitive to even small occlusions. In contrast, PARE's part-guided attention mechanism overcomes these issues by exploiting information about the visibility of individual body parts while leveraging information from neighboring body-parts to predict occluded parts. We show qualitatively that PARE learns sensible attention masks, and quantitative evaluation confirms that PARE achieves more accurate and robust reconstruction results than existing approaches on both occlusion-specific and standard benchmarks. Code will be available for research purposes at https://pare.is.tue.mpg.de/.
• Abstract（参考訳）: 有意な進歩にもかかわらず, art 3d の人間のポーズや形状推定手法は部分的咬合に敏感であり, 身体のほとんどが観察可能であるにもかかわらず, 劇的に誤った予測を生じる可能性がある。 そこで本研究では,身体部分誘導型注意マスクの予測を学習するPARE(Part Attention Regressor)というソフトアテンション機構を導入する。 我々は,最先端の手法がグローバルな特徴表現に依存していることを観察する。 対照的に、PAREの部分誘導型注意機構は、個々の身体部分の視認性に関する情報を活用しながら、近隣の身体部分からの情報を活用して隠蔽部分を予測することでこれらの問題を克服する。 我々はPAREが有意義な注意マスクを学習し、定量評価により、PAREが既存のオクルージョン固有および標準ベンチマークのアプローチよりも正確で堅牢な再構築結果が得られることを確認した。 コードはhttps://pare.is.tue.mpg.de/で研究目的に利用できる。

関連論文リスト

• PAFormer: Part Aware Transformer for Person Re-identification [3.8004980982852214]
  ポーズ推定に基づくReIDモデルである textbf Part Aware Transformer (PAFormer) を導入する。 提案手法は,有名なReIDベンチマークデータセットにおける既存手法よりも優れている。
  論文  参考訳（メタデータ） (2024-08-12T04:46:55Z)
• PAFUSE: Part-based Diffusion for 3D Whole-Body Pose Estimation [20.38424513438315]
  本研究では,3次元全体のポーズ推定に新たなアプローチを導入し,身体部分間のスケールと変形性-分散の課題に対処する。 不均一なサンプルデータにおける動きの活用という課題に対処するだけでなく、安定な拡散と階層的な部分表現を結合する。 H3WBデータセットでは,時間情報の活用に失敗した技術の現状を大幅に上回っている。
  論文  参考訳（メタデータ） (2024-07-14T14:24:05Z)
• 3D WholeBody Pose Estimation based on Semantic Graph Attention Network and Distance Information [2.457872341625575]
  新たなセマンティックグラフアテンションネットワークは、グローバルコンテキストをキャプチャする自己アテンションの能力の恩恵を受けることができる。 本体部分デコーダは、身体の特定のセグメントに関連する情報を抽出し、精製するのを支援する。 幾何学的損失(Geometry Loss)は身体の構造的骨格に批判的な制約を与え、モデルの予測が人間の姿勢の自然な限界に合致することを確実にする。
  論文  参考訳（メタデータ） (2024-06-03T10:59:00Z)
• AiOS: All-in-One-Stage Expressive Human Pose and Shape Estimation [55.179287851188036]
  人間のポーズと形状の復元のための新しいオールインワンステージフレームワークであるAiOSを、追加の人間検出ステップなしで導入する。 まず、画像中の人間の位置を探索し、各インスタンスのグローバルな機能をエンコードするために、人間のトークンを使用します。 そして、画像中の人間の関節を探索し、きめ細かい局所的特徴を符号化するジョイント関連トークンを導入する。
  論文  参考訳（メタデータ） (2024-03-26T17:59:23Z)
• Understanding Pose and Appearance Disentanglement in 3D Human Pose Estimation [72.50214227616728]
  ポーズ情報から外見情報を引き離すために,自己教師型で画像表現を学習する手法がいくつか提案されている。 我々は,多種多様な画像合成実験を通じて,自己教師ネットワークの観点から,ゆがみについて検討する。 我々は,対象の自然な外見変化を生起することに焦点を当てた敵対的戦略を設計し,その反対に,絡み合ったネットワークが堅牢であることを期待している。
  論文  参考訳（メタデータ） (2023-09-20T22:22:21Z)
• BoPR: Body-aware Part Regressor for Human Shape and Pose Estimation [16.38936587088618]
  提案手法であるBoPR(Body-Aware Part Regressor)は,まず注意誘導機構を用いて身体と部分の両方の特徴を抽出する。 次に、これらの機能を使用して、部分単位のレグレッションに余分な部分ボディ依存性をエンコードします。
  論文  参考訳（メタデータ） (2023-03-21T08:36:59Z)
• Unsupervised 3D Keypoint Discovery with Multi-View Geometry [104.76006413355485]
  本研究では,多視点画像から人体上の3Dキーポイントを,監督やラベルなしで発見するアルゴリズムを提案する。 我々の手法は、他の最先端の教師なしアプローチと比較して、より解釈可能で正確な3Dキーポイントを発見する。
  論文  参考訳（メタデータ） (2022-11-23T10:25:12Z)
• Quality-aware Part Models for Occluded Person Re-identification [77.24920810798505]
  咬合は人体再識別(ReID)にとって大きな課題となる 既存のアプローチは一般的に、計算効率とReIDの精度の両面で最適であるように、目に見える身体の部品を推測するための外部ツールに依存している。 閉塞型ReIDのためのQPM(Quality-Aware Part Models)という新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-01-01T03:51:09Z)
• Unsupervised Pose-Aware Part Decomposition for 3D Articulated Objects [68.73163598790255]
  本研究では,機械的関節を有する人工関節オブジェクトを対象とする新しい環境に対処するため,PD(unsupervised Pose-aware Part Decomposition)を提案する。 本研究は,(1)非原始的な暗黙的表現による部分分解の教師なし学習を促進させ,(2)単一フレーム形状の監督下での協調パラメータとして機能することを示す。
  論文  参考訳（メタデータ） (2021-10-08T23:53:56Z)

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。