論文の概要: Everybody Is Unique: Towards Unbiased Human Mesh Recovery

• arxiv url: http://arxiv.org/abs/2107.06239v1
• Date: Tue, 13 Jul 2021 16:52:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-14 14:57:30.023090
• Title: Everybody Is Unique: Towards Unbiased Human Mesh Recovery
• Title（参考訳）: 誰もがユニークな: 偏りのないメッシュリカバリに向けて
• Authors: Ren Li and Meng Zheng and Srikrishna Karanam and Terrence Chen and Ziyan Wu
• Abstract要約: 我々は、肥満者のメッシュ回復、すなわちパラメトリックなヒューマンメッシュを肥満者のイメージに適合させることの問題を考察する。 メッシュリカバリの最近の進歩は、非肥満者の画像に制限されている。 本稿では,この問題に対処するためのシンプルなベースラインを提案し,既存のアルゴリズムと組み合わせて,その性能向上に利用することができる。
• 参考スコア（独自算出の注目度）: 31.382212859665028
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the problem of obese human mesh recovery, i.e., fitting a parametric human mesh to images of obese people. Despite obese person mesh fitting being an important problem with numerous applications (e.g., healthcare), much recent progress in mesh recovery has been restricted to images of non-obese people. In this work, we identify this crucial gap in the current literature by presenting and discussing limitations of existing algorithms. Next, we present a simple baseline to address this problem that is scalable and can be easily used in conjunction with existing algorithms to improve their performance. Finally, we present a generalized human mesh optimization algorithm that substantially improves the performance of existing methods on both obese person images as well as community-standard benchmark datasets. A key innovation of this technique is that it does not rely on supervision from expensive-to-create mesh parameters. Instead, starting from widely and cheaply available 2D keypoints annotations, our method automatically generates mesh parameters that can in turn be used to re-train and fine-tune any existing mesh estimation algorithm. This way, we show our method acts as a drop-in to improve the performance of a wide variety of contemporary mesh estimation methods. We conduct extensive experiments on multiple datasets comprising both standard and obese person images and demonstrate the efficacy of our proposed techniques.
• Abstract（参考訳）: 我々は、肥満者のメッシュ回復、すなわちパラメトリックなヒューマンメッシュを肥満者の画像に適用する問題を考える。 肥満者のメッシュフィッティングは多くのアプリケーション(例えばヘルスケア)において重要な問題であるにもかかわらず、メッシュリカバリの進歩は非肥満者の画像に限られている。 本研究では,既存のアルゴリズムの限界を提示し,議論することで,現在の文献におけるこの重要なギャップを明らかにする。 次に,既存のアルゴリズムと組み合わせることで,その性能を向上させることが可能な,スケーラブルなこの問題に対処するためのシンプルなベースラインを提案する。 最後に,肥満者画像とコミュニティ標準ベンチマークデータセットの両方において,既存の手法の性能を大幅に向上させる汎用的ヒューマンメッシュ最適化アルゴリズムを提案する。 この技術の重要なイノベーションは、高価なメッシュパラメータからの監督に依存しないことだ。 代わりに、広くかつ安価な2dキーポイントアノテーションから始め、既存のメッシュ推定アルゴリズムを再訓練し、微調整するために使用できるメッシュパラメータを自動的に生成します。 そこで,本手法は,様々なメッシュ推定手法の性能を向上させるためのドロップインとして機能することを示す。 標準人物画像と肥満人物画像の両方を含む複数のデータセットについて広範な実験を行い,提案手法の有効性を実証する。

関連論文リスト

• ORTexME: Occlusion-Robust Human Shape and Pose via Temporal Average Texture and Mesh Encoding [35.49066795648395]
  3次元の人体形状と単眼ビデオからのポーズ推定では、限定ラベル付きデータで訓練されたモデルは、閉塞のあるビデオにはうまく一般化できない。 我々は,ORTexME(Occlusion-robust temporal method, ORTexME)を紹介した。 提案手法は,1.8P-MPJPE誤り低減を実現する多人数3DPWデータセットにおいて,大幅な改善を実現している。
  論文  参考訳（メタデータ） (2023-09-21T15:50:04Z)
• Sample Less, Learn More: Efficient Action Recognition via Frame Feature Restoration [59.6021678234829]
  本稿では,2つのスパースサンプリングおよび隣接するビデオフレームの中間特徴を復元する新しい手法を提案する。 提案手法の統合により, 一般的な3つのベースラインの効率は50%以上向上し, 認識精度は0.5%低下した。
  論文  参考訳（メタデータ） (2023-07-27T13:52:42Z)
• FastHuman: Reconstructing High-Quality Clothed Human in Minutes [18.643091757385626]
  高品質な人体形状を数分で最適化する手法を提案する。 本手法はメッシュベースのパッチワープ手法を用いて,マルチビュー光度整合性を確保する。 提案手法は,合成データセットと実世界のデータセットの両方において有望な結果を示した。
  論文  参考訳（メタデータ） (2022-11-26T05:16:39Z)
• Back to MLP: A Simple Baseline for Human Motion Prediction [59.18776744541904]
  本稿では、歴史的に観察されたシーケンスから将来の身体のポーズを予測することによる、人間の動作予測の課題に取り組む。 これらの手法の性能は、0.14Mパラメータしか持たない軽量で純粋にアーキテクチャアーキテクチャによって超えることができることを示す。 Human3.6M, AMASS, 3DPWデータセットの徹底的な評価は, siMLPeをダブした我々の手法が, 他のアプローチよりも一貫して優れていることを示している。
  論文  参考訳（メタデータ） (2022-07-04T16:35:58Z)
• Direct Dense Pose Estimation [138.56533828316833]
  複雑な人間のポーズ推定は、RGB画像と人体の表面との密接な対応を学習する問題である。 従来より密集したポーズ推定手法は、すべてMask R-CNNフレームワークに基づいており、まず各人物のバウンディングボックスを識別しようとするトップダウン方式で動作している。 そこで我々は,DDP (Direct Dense Pose) という,高密度ポーズ推定問題の解法を提案する。
  論文  参考訳（メタデータ） (2022-04-04T06:14:38Z)
• Bilevel Online Adaptation for Out-of-Domain Human Mesh Reconstruction [94.25865526414717]
  本稿では,事前に訓練されたヒトメッシュ再構築モデルをドメイン外ストリーミングビデオに適応させるという新たな問題を検討する。 重みプローブと重み更新の2つのステップに全体多対象の最適化プロセスを分割するBilevel Online Adaptationを提案します。 BOAが2つのヒューマンメッシュ再構築ベンチマークで最先端の結果をもたらすことを実証する。
  論文  参考訳（メタデータ） (2021-03-30T15:47:58Z)
• Efficient Algorithms for Finite Horizon and Streaming Restless Multi-Armed Bandit Problems [30.759279275710078]
  インデックスベースのソリューションを計算するための新しいスケーラブルなアプローチを提案します。 コストのかかる有限地平線問題を解くことなく,指数減衰をキャプチャするアルゴリズムを提供する。 当社のアルゴリズムは、これらのタスクにおける既存の方法よりも150倍以上のスピードアップを実現し、パフォーマンスを損ないません。
  論文  参考訳（メタデータ） (2021-03-08T13:10:31Z)
• Beyond Fine-tuning: Classifying High Resolution Mammograms using Function-Preserving Transformations [32.40975574666405]
  マンモグラムを分類する作業は、通常、病変が高解像度画像で小さいため、非常に困難です。 本稿では,MorphHRという新しいフレームワークを導入して,微調整以上のものを提案する。 提案するフレームワークは, 連続した非線形活性化ニューロンに対して, 機能保存変換を統合し, 内部的にネットワークを正規化し, マンモグラム分類を改善する。
  論文  参考訳（メタデータ） (2021-01-20T03:04:07Z)
• Adam revisited: a weighted past gradients perspective [57.54752290924522]
  本稿では,非収束問題に取り組むための適応法重み付け適応アルゴリズム(wada)を提案する。 私たちは、WADAが重み付きデータ依存の後悔境界を達成できることを証明します。
  論文  参考訳（メタデータ） (2021-01-01T14:01:52Z)
• Mixed-Privacy Forgetting in Deep Networks [114.3840147070712]
  大規模画像分類タスクにおいてトレーニングされたネットワークの重みからトレーニングサンプルのサブセットの影響を除去できることを示す。 そこで本研究では,混合プライバシー設定における「忘れ」という新しい概念を導入する。 提案手法は,モデル精度のトレードオフを伴わずに忘れることができることを示す。
  論文  参考訳（メタデータ） (2020-12-24T19:34:56Z)
• Multi-view Human Pose and Shape Estimation Using Learnable Volumetric Aggregation [0.0]
  キャリブレーションされた多視点画像から3次元人体ポーズと形状を再構成する学習可能なアグリゲーション手法を提案する。 従来の手法と比較して,我々のフレームワークは,コスト効率を考えると,より精度が高く,リアルタイムな予測が期待できる。
  論文  参考訳（メタデータ） (2020-11-26T18:33:35Z)

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。