論文の概要: Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep Learning Perspective

• arxiv url: http://arxiv.org/abs/2104.11536v1
• Date: Fri, 23 Apr 2021 11:07:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-26 13:06:08.168900
• Title: Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep Learning Perspective
• Title（参考訳）: 単眼2次元および3次元人物ポーズ推定の最近の進歩:深層学習の視点から
• Authors: Wu Liu, Qian Bao, Yu Sun, Tao Mei
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 69.44384540002358
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimation of the human pose from a monocular camera has been an emerging research topic in the computer vision community with many applications. Recently, benefited from the deep learning technologies, a significant amount of research efforts have greatly advanced the monocular human pose estimation both in 2D and 3D areas. Although there have been some works to summarize the different approaches, it still remains challenging for researchers to have an in-depth view of how these approaches work. In this paper, we provide a comprehensive and holistic 2D-to-3D perspective to tackle this problem. We categorize the mainstream and milestone approaches since the year 2014 under unified frameworks. By systematically summarizing the differences and connections between these approaches, we further analyze the solutions for challenging cases, such as the lack of data, the inherent ambiguity between 2D and 3D, and the complex multi-person scenarios. We also summarize the pose representation styles, benchmarks, evaluation metrics, and the quantitative performance of popular approaches. Finally, we discuss the challenges and give deep thinking of promising directions for future research. We believe this survey will provide the readers with a deep and insightful understanding of monocular human pose estimation.
• Abstract（参考訳）: 単眼カメラによる人間のポーズの推定は、コンピュータビジョンコミュニティにおける多くの応用分野において、新たな研究テーマとなっている。 近年, 深層学習技術の恩恵を受け, 2次元領域と3次元領域の両方において, 単眼的人間のポーズ推定が大幅に進歩している。 異なるアプローチをまとめる研究はいくつかあるが、研究者がこれらのアプローチがどのように機能するかを深く見ることは依然として困難である。 本稿では,この問題に対処するための包括的で総合的な2D-to-3D視点を提供する。 2014年以降の主流とマイルストーンのアプローチを、統一されたフレームワークで分類しています。 これらのアプローチの違いと関連性を体系的に要約することにより,データ不足,2dと3dの固有のあいまいさ,複雑な多人数シナリオといった課題に対するソリューションをさらに分析する。 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。 最後に,課題について議論し,今後の研究に期待できる方向性について深く考察する。 この調査は、モノラルな人間のポーズ推定に関する深い洞察を読者に提供するものだと考えています。

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)
• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• 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)
• Recovering 3D Human Mesh from Monocular Images: A Survey [49.00136388529404]
  単眼画像から人間のポーズと形状を推定することは、コンピュータビジョンにおける長年の問題である。 本調査は, 単分子型3次元メッシュ回収の課題に焦点を当てた。
  論文  参考訳（メタデータ） (2022-03-03T18:56:08Z)
• 3D Object Detection from Images for Autonomous Driving: A Survey [68.33502122185813]
  画像から3Dオブジェクトを検出することは、自動運転の基本的かつ困難な問題の一つだ。 この問題を2015年から2021年にかけて200以上の研究が行われ、理論、アルゴリズム、応用の幅広い範囲で研究されている。 我々は,この新奇で継続的な研究分野を包括的に調査し,画像に基づく3D検出に最もよく使用されるパイプラインを要約する。
  論文  参考訳（メタデータ） (2022-02-07T07:12:24Z)
• A survey of top-down approaches for human pose estimation [0.0]
  Deep Learningで実装された最先端の手法は、人間のポーズ推定の分野で顕著な成果をもたらした。 本稿では,人々のポーズを認識するための深層学習手法に基づく2次元画像の広範なレビューを新参者に提供することを目的とする。
  論文  参考訳（メタデータ） (2022-02-05T23:27:46Z)
• 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)
• Monocular Human Pose Estimation: A Survey of Deep Learning-based Methods [25.3614052943568]
  視覚に基づく単眼の人間のポーズ推定は、コンピュータビジョンにおける最も根本的で困難な問題の1つである。 近年の深層学習技術の発展は、人間のポーズ推定分野において顕著な進歩と画期的なブレークスルーをもたらしている。
  論文  参考訳（メタデータ） (2020-06-02T07:07:45Z)
• Weakly-Supervised 3D Human Pose Learning via Multi-view Images in the Wild [101.70320427145388]
  本稿では、3Dアノテーションを必要としない弱教師付きアプローチを提案し、ラベルのないマルチビューデータから3Dポーズを推定する。 提案手法を2つの大規模データセット上で評価する。
  論文  参考訳（メタデータ） (2020-03-17T08:47:16Z)

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。