論文の概要: Probabilistic Estimation of 3D Human Shape and Pose with a Semantic
Local Parametric Model
- arxiv url: http://arxiv.org/abs/2111.15404v1
- Date: Tue, 30 Nov 2021 13:50:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-01 15:20:45.488819
- Title: Probabilistic Estimation of 3D Human Shape and Pose with a Semantic
Local Parametric Model
- Title（参考訳）: 意味的局所パラメトリックモデルによる3次元人物形状と姿勢の確率論的推定
- Authors: Akash Sengupta and Ignas Budvytis and Roberto Cipolla
- Abstract要約: 本稿では,RGB画像からの3次元人体形状とポーズ推定の問題に対処する。
本研究では,局所的な身体形状の分布を意味的身体計測の形で予測する手法を提案する。
本手法は,身元依存の身体形状推定精度において,現在の最先端技術よりも優れていることを示す。
- 参考スコア（独自算出の注目度）: 25.647676661390282
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper addresses the problem of 3D human body shape and pose estimation
from RGB images. Some recent approaches to this task predict probability
distributions over human body model parameters conditioned on the input images.
This is motivated by the ill-posed nature of the problem wherein multiple 3D
reconstructions may match the image evidence, particularly when some parts of
the body are locally occluded. However, body shape parameters in widely-used
body models (e.g. SMPL) control global deformations over the whole body
surface. Distributions over these global shape parameters are unable to
meaningfully capture uncertainty in shape estimates associated with
locally-occluded body parts. In contrast, we present a method that (i) predicts
distributions over local body shape in the form of semantic body measurements
and (ii) uses a linear mapping to transform a local distribution over body
measurements to a global distribution over SMPL shape parameters. We show that
our method outperforms the current state-of-the-art in terms of
identity-dependent body shape estimation accuracy on the SSP-3D dataset, and a
private dataset of tape-measured humans, by probabilistically-combining local
body measurement distributions predicted from multiple images of a subject.
- Abstract（参考訳）: 本稿では,RGB画像からの3次元人体形状とポーズ推定の問題に対処する。
この課題に対する最近のアプローチは、入力画像に条件づけられた人体モデルパラメータ上の確率分布を予測する。
これは、複数の3d再構成が画像証拠にマッチする可能性があり、特に身体の一部が局所的に遮蔽されている場合である。
しかし、広く使われている体モデル(例えばSMPL)における体形パラメータは、体表面全体の大域的な変形を制御する。
これらのグローバル形状パラメータ上の分布は、局所閉塞された身体部位に関連する形状推定の不確かさを有意義に捉えることができない。
対照的に、我々はその方法を提示します。
一 局所的な身体形状の分布を意味的身体計測の形で予測し、予測すること
(II) 実測値上の局所分布をSMPL形状パラメータ上の大域分布に変換するために線形写像を用いる。
本研究では,SSP-3Dデータセットとテープ計測されたヒトのプライベートデータセットを用いて,複数の画像から予測される局所身体計測分布を確率的に組み合わせることで,身元依存の身体形状推定精度において,現在の最先端技術よりも優れていることを示す。
関連論文リスト
- Neural Localizer Fields for Continuous 3D Human Pose and Shape Estimation [32.30055363306321]
本研究では、異なる人間のポーズや形状に関連したタスクやデータセットをシームレスに統一するパラダイムを提案する。
私たちの定式化は、トレーニングとテスト時間の両方で、人間の体積の任意の点を問う能力に重点を置いています。
メッシュや2D/3Dスケルトン,密度の高いポーズなど,さまざまな注釈付きデータソースを,変換することなく自然に利用することが可能です。
論文 参考訳（メタデータ） (2024-07-10T10:44:18Z) - HuManiFlow: Ancestor-Conditioned Normalising Flows on SO(3) Manifolds
for Human Pose and Shape Distribution Estimation [27.14060158187953]
近年のアプローチでは、画像上に条件付き3次元ポーズと形状パラメータの確率分布が予測されている。
これらの手法が3つの重要な特性のトレードオフを示すことを示す。
我々の手法であるHuManiFlowは、同時に正確で一貫性があり多様な分布を予測する。
論文 参考訳（メタデータ） (2023-05-11T16:49:19Z) - Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose
Estimation [70.32536356351706]
本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。
ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。
本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
論文 参考訳（メタデータ） (2022-03-29T07:14:58Z) - Adversarial Parametric Pose Prior [106.12437086990853]
我々は、SMPLパラメータを現実的なポーズを生成する値に制限する事前学習を行う。
得られた先行学習は実データ分布の多様性をカバーし、2次元キーポイントからの3次元再構成の最適化を容易にし、画像からの回帰に使用する場合のポーズ推定精度を向上することを示す。
論文 参考訳（メタデータ） (2021-12-08T10:05:32Z) - Hierarchical Kinematic Probability Distributions for 3D Human Shape and
Pose Estimation from Images in the Wild [25.647676661390282]
本稿では,RGB画像からの3次元人体形状とポーズ推定の問題に対処する。
深層ニューラルネットワークを用いて、相対的な3次元関節回転行列上の階層行列-フィッシャー分布を推定する。
本手法は,SSP-3Dおよび3DPWデータセット上で,3次元形状の計測値を用いて,最先端技術と競合することを示す。
論文 参考訳（メタデータ） (2021-10-03T11:59:37Z) - THUNDR: Transformer-based 3D HUmaN Reconstruction with Markers [67.8628917474705]
THUNDRは、人の3Dポーズと形状を再構築するトランスフォーマーベースのディープニューラルネットワーク手法である。
完全教師付きモデルと自己教師型モデルの両方に対して,Human3.6Mと3DPWの最先端結果を示す。
野生で収集された難易度の高い人間のポーズに対して, 非常に堅固な3次元再構成性能を観察した。
論文 参考訳（メタデータ） (2021-06-17T09:09:24Z) - 3D Human Body Reshaping with Anthropometric Modeling [59.51820187982793]
人間測定パラメータから正確で現実的な3D人体を再構築することは、個人識別、オンラインショッピング、仮想現実のための基本的な課題です。
このような3d形状を作る既存のアプローチは、レンジカメラやハイエンドスキャナーによる複雑な測定に苦しむことが多い。
本稿では,各ファセットに対する自動人為的パラメータモデリングを可能にする,特徴選択に基づく局所マッピング手法を提案する。
論文 参考訳（メタデータ） (2021-04-05T04:09:39Z) - Probabilistic 3D Human Shape and Pose Estimation from Multiple
Unconstrained Images in the Wild [25.647676661390282]
人間の被写体の複数の画像のグループから、形状とポーズ推定という新しいタスクを提案します。
提案手法は,SMPL体形状上の分布を予測し,入力画像にパラメータを付与する。
複数画像入力グループに存在する付加体形状情報により, 人体形状推定の精度が向上することを示す。
論文 参考訳（メタデータ） (2021-03-19T18:32:16Z) - 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) - Combining Implicit Function Learning and Parametric Models for 3D Human
Reconstruction [123.62341095156611]
深層学習近似として表される暗黙の関数は、3次元曲面の再構成に強力である。
このような機能は、コンピュータグラフィックスとコンピュータビジョンの両方に柔軟なモデルを構築するのに不可欠である。
詳細に富んだ暗黙関数とパラメトリック表現を組み合わせた方法論を提案する。
論文 参考訳（メタデータ） (2020-07-22T13:46:14Z)
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。