Fugu-MT 論文翻訳(概要): Optical Mouse: 3D Mouse Pose From Single-View Video

論文の概要: Optical Mouse: 3D Mouse Pose From Single-View Video

arxiv url: http://arxiv.org/abs/2106.09251v1
Date: Thu, 17 Jun 2021 05:12:36 GMT
ステータス: 処理完了
システム内更新日: 2021-06-18 15:52:49.209509
Title: Optical Mouse: 3D Mouse Pose From Single-View Video
Title（参考訳）: オプティカルマウス:シングルビュー動画から3Dマウスを撮る
Authors: Bo Hu, Bryan Seybold, Shan Yang, David Ross, Avneesh Sud, Graham Ruby, Yi Liu
Abstract要約: 単眼ビデオから手足を含むマウスの3Dポーズを推定する方法を提案する。この方法は、動物の健康を非侵襲的に測定する継続的モニタリングシステムの一部として適用することができる。
参考スコア（独自算出の注目度）: 15.129459791535211
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a method to infer the 3D pose of mice, including the limbs and feet, from monocular videos. Many human clinical conditions and their corresponding animal models result in abnormal motion, and accurately measuring 3D motion at scale offers insights into health. The 3D poses improve classification of health-related attributes over 2D representations. The inferred poses are accurate enough to estimate stride length even when the feet are mostly occluded. This method could be applied as part of a continuous monitoring system to non-invasively measure animal health.
Abstract（参考訳）: そこで本研究では,単眼ビデオから手足や足などのマウスの3dポーズを推定する手法を提案する。多くのヒトの臨床症状とその動物モデルが異常な動きをもたらし、3次元の運動を正確に測定することは健康に関する洞察を与える。 3Dは2D表現よりも健康関連属性の分類を改善する。推定されたポーズは足がほとんど閉ざされている場合でも、歩幅を推定できるほど正確である。この方法は、動物の健康を非侵襲的に測定する継続的モニタリングシステムの一部として適用することができる。

関連論文リスト

CLHOP: Combined Audio-Video Learning for Horse 3D Pose and Shape Estimation [8.722147241142736]
単眼ビデオから馬の3次元形状と運動回復性を高めるために,音声を用いた検討を行った。本研究は,3次元動物の運動回復における音声の役割を初めて研究したものである。
論文参考訳（メタデータ） (2024-07-01T12:39:50Z)
3D-MuPPET: 3D Multi-Pigeon Pose Estimation and Tracking [14.52333427647304]
複数のカメラビューを用いて対話的な速度で最大10羽のハトの3Dポーズを推定・追跡するフレームワークである3D-MuPPETを提案する。まず第1フレームのグローバルIDに2D検出を動的にマッチングし、次に2Dトラッカーを使用して、その後のフレームにおけるビュー間のIDを維持する。また、3D-MuPPETは自然環境からのアノテーションを伴わずに屋外でも機能することを示した。
論文参考訳（メタデータ） (2023-08-29T14:02:27Z)
Animal3D: A Comprehensive Dataset of 3D Animal Pose and Shape [32.11280929126699]
哺乳類の3Dポーズと形状推定のための包括的データセットであるAnimal3Dを提案する。動物3Dは、40種の哺乳類から収集された3379枚の画像、26個のキーポイントの高品質なアノテーション、特にSMALモデルのポーズと形状パラメータで構成されている。 The Animal3D data based on the Animal3D dataset, we benchmark representative shape and pose Estimation model at (1) 教師付き学習, (2) 合成画像から実写への変換, 3) 微調整された人間のポーズと形状推定モデル。
論文参考訳（メタデータ） (2023-08-22T18:57:07Z)
Of Mice and Pose: 2D Mouse Pose Estimation from Unlabelled Data and Synthetic Prior [0.7499722271664145]
そこで本稿では, 合成合成経験的ポーズを用いた2次元マウスのポーズ推定手法を提案する。本手法はマウスの四肢構造に適応し,合成3次元マウスモデルから2次元ポーズの経験的先行を生成できる。新しいマウスビデオデータセットの実験では,ポーズ予測を手作業で得られた真実と比較することにより,提案手法の性能を評価する。
論文参考訳（メタデータ） (2023-07-25T09:31:55Z)
Markerless Body Motion Capturing for 3D Character Animation based on Multi-view Cameras [13.91432217561254]
本稿では,マーカーレス人体モーションキャプチャによる3次元キャラクタアニメーション生成のための新しいアプリケーションシステムを提案する。本研究の目的は,通常のカメラで捉えた多視点画像を用いて3次元キャラクタのための3次元スケルトンとアニメーションを作成することである。実験結果から,本システムは人間の行動を効果的かつ効率的に捉え,リアルタイムに3Dアニメキャラクターをアニメーション化することができることがわかった。
論文参考訳（メタデータ） (2022-12-12T09:26:21Z)
LASSIE: Learning Articulated Shapes from Sparse Image Ensemble via 3D Part Discovery [72.3681707384754]
そこで,本研究では,特定の動物種について,数枚の画像のみを用いて,動物の3次元ポーズと形状を推定する現実的な問題設定を提案する。我々は2Dや3Dの地平線アノテーションを前提としないし、多視点や時間的情報も利用しない。そこで本研究では,3次元部品を自己監督的に発見する新しい最適化フレームワークLASSIEを提案する。
論文参考訳（メタデータ） (2022-07-07T17:00:07Z)
PONet: Robust 3D Human Pose Estimation via Learning Orientations Only [116.1502793612437]
本稿では,学習向きのみを用いて3次元ポーズを頑健に推定できる新しいPose Orientation Net(PONet)を提案する。 PONetは、局所的な画像証拠を利用して、これらの手足の3D方向を推定し、3Dポーズを復元する。我々は,Human3.6M,MPII,MPI-INF-3DHP,3DPWを含む複数のデータセットについて評価を行った。
論文参考訳（メタデータ） (2021-12-21T12:48:48Z)
Human Performance Capture from Monocular Video in the Wild [50.34917313325813]
本研究では,挑戦的な身体ポーズを特徴とするモノクロ映像から動的3次元人体形状をキャプチャする手法を提案する。本手法は,現在開発中の3DPWビデオデータセットにおいて,最先端の手法よりも優れる。
論文参考訳（メタデータ） (2021-11-29T16:32:41Z)
Accurate 3D Hand Pose Estimation for Whole-Body 3D Human Mesh Estimation [70.23652933572647]
全体3次元メッシュ推定は、3次元の人体、手、顔を同時に再構築することを目的としている。我々はHand4Wholeを紹介します。我々のHand4Wholeはエンドツーエンドで訓練されており、これまでの全身の3Dメッシュ推定方法よりもはるかに優れた3Dハンド結果を生成する。
論文参考訳（メタデータ） (2020-11-23T16:48:35Z)
Contact and Human Dynamics from Monocular Video [73.47466545178396]
既存のディープモデルは、ほぼ正確に見えるエラーを含むビデオから2Dと3Dキネマティックのポーズを予測する。本稿では,最初の2次元と3次元のポーズ推定を入力として,映像系列から3次元の人間の動きを推定する物理に基づく手法を提案する。
論文参考訳（メタデータ） (2020-07-22T21:09:11Z)
Motion Guided 3D Pose Estimation from Videos [81.14443206968444]
本研究では,2次元ポーズから1次元の人物ポーズ推定を行う問題に対して,運動損失と呼ばれる新たな損失関数を提案する。運動損失の計算では、ペアワイズ・モーション・エンコーディング(ペアワイズ・モーション・エンコーディング)と呼ばれる単純なキーポイント・モーションの表現が導入された。 UGCN(U-shaped GCN)と呼ばれる新しいグラフ畳み込みネットワークアーキテクチャを設計し,短期および長期の動作情報の両方をキャプチャする。
論文参考訳（メタデータ） (2020-04-29T06:59:30Z)

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。