Fugu-MT 論文翻訳(概要): PedRecNet: Multi-task deep neural network for full 3D human pose and orientation estimation

論文の概要: PedRecNet: Multi-task deep neural network for full 3D human pose and orientation estimation

arxiv url: http://arxiv.org/abs/2204.11548v1
Date: Mon, 25 Apr 2022 10:47:01 GMT
ステータス: 処理完了
システム内更新日: 2022-04-26 18:11:01.063919
Title: PedRecNet: Multi-task deep neural network for full 3D human pose and orientation estimation
Title（参考訳）: PedRecNet:完全な3次元ポーズと向き推定のためのマルチタスクディープニューラルネットワーク
Authors: Dennis Burgermeister and Crist\'obal Curio
Abstract要約: マルチタスクネットワークは、様々なディープニューラルネットワークベースの歩行者検出機能をサポートしている。ネットワークアーキテクチャは比較的単純だが強力であり、さらなる研究や応用にも容易に適応できる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a multitask network that supports various deep neural network based pedestrian detection functions. Besides 2D and 3D human pose, it also supports body and head orientation estimation based on full body bounding box input. This eliminates the need for explicit face recognition. We show that the performance of 3D human pose estimation and orientation estimation is comparable to the state-of-the-art. Since very few data sets exist for 3D human pose and in particular body and head orientation estimation based on full body data, we further show the benefit of particular simulation data to train the network. The network architecture is relatively simple, yet powerful, and easily adaptable for further research and applications.
Abstract（参考訳）: 本稿では,様々な深層ニューラルネットワークに基づく歩行者検出機能をサポートするマルチタスクネットワークを提案する。 2Dと3Dの人間のポーズに加えて、全身境界ボックス入力に基づく身体と頭部の向きの推定もサポートする。これにより、明示的な顔認識が不要になる。人間の3次元ポーズ推定と向き推定の性能は最先端技術に匹敵することを示す。 3次元人間のポーズ、特に身体および頭部の向きをフルボディデータに基づいて推定するデータセットは極めて少ないため、ネットワークを訓練する特定のシミュレーションデータの利点をさらに示している。ネットワークアーキテクチャは比較的単純だが強力であり、さらなる研究や応用にも容易に適応できる。

関連論文リスト

Learning to Estimate 3D Human Pose from Point Cloud [13.27496851711973]
本稿では,複雑な人体構造物の表面をモデル化するための入力データとして,点雲データを用いた3次元ポーズ推定のための深層人体ポーズネットワークを提案する。 2つの公開データセットに対する実験により,従来の最先端手法よりも精度が高いことを示す。
論文参考訳（メタデータ） (2022-12-25T14:22:01Z)
Decanus to Legatus: Synthetic training for 2D-3D human pose lifting [26.108023246654646]
10個の手作り3Dポーズ(Decanus)に基づく3Dポーズ分布から無限個の合成人間のポーズ(Legatus)を生成するアルゴリズムを提案する。この結果から,特定データセットの実際のデータを用いた手法に匹敵する3次元ポーズ推定性能を,ゼロショット設定で実現し,フレームワークの可能性を示した。
論文参考訳（メタデータ） (2022-10-05T13:10:19Z)
Dual networks based 3D Multi-Person Pose Estimation from Monocular Video [42.01876518017639]
複数人の3Dポーズ推定はシングルポーズ推定よりも難しい。既存のトップダウンとボトムアップのアプローチでは、推定が検出エラーに悩まされる。我々は,トップダウンアプローチとボトムアップアプローチを統合して,その強みを活用することを提案する。
論文参考訳（メタデータ） (2022-05-02T08:53:38Z)
Learning Temporal 3D Human Pose Estimation with Pseudo-Labels [3.0954251281114513]
自己監督型3次元ポーズ推定のための簡易かつ効果的なアプローチを提案する。我々は、マルチビューカメラシステムの2Dボディポーズ推定を三角測量に頼っている。提案手法はHuman3.6MとMPI-INF-3DHPベンチマークにおける最先端性能を実現する。
論文参考訳（メタデータ） (2021-10-14T17:40:45Z)
VoxelTrack: Multi-Person 3D Human Pose Estimation and Tracking in the Wild [98.69191256693703]
本稿では,VoxelTrackを用いて,多人数の3次元ポーズ推定と,広義のベースラインで分離された少数のカメラからの追跡を行う。マルチブランチネットワークを使用して、環境中のすべての人に3Dポーズと再識別機能(Re-ID)を共同で推定する。これは、Shelf、Campus、CMU Panopticの3つの公開データセットに対して、最先端の手法よりも大きなマージンで優れている。
論文参考訳（メタデータ） (2021-08-05T08:35:44Z)
3D Human Pose Regression using Graph Convolutional Network [68.8204255655161]
本稿では,2次元のポーズから3次元のポーズ回帰を行うために,PoseGraphNetというグラフ畳み込みネットワークを提案する。我々のモデルの性能は最先端に近いが、パラメータははるかに少ない。
論文参考訳（メタデータ） (2021-05-21T14:41:31Z)
Residual Pose: A Decoupled Approach for Depth-based 3D Human Pose Estimation [18.103595280706593]
我々は,CNNによる信頼度の高い2次元ポーズ推定の最近の進歩を活用し,深度画像から人物の3次元ポーズを推定する。提案手法は2つの公開データセットの精度と速度の両面で非常に競争力のある結果が得られる。
論文参考訳（メタデータ） (2020-11-10T10:08:13Z)
Unsupervised Cross-Modal Alignment for Multi-Person 3D Pose Estimation [52.94078950641959]
マルチパーソン・ヒューマン・ポーズ推定のためのデプロイフレンドリーで高速なボトムアップ・フレームワークを提案する。我々は,人物の位置を対応する3Dポーズ表現と統一する,多人数の3Dポーズのニューラル表現を採用する。ペア化された2Dまたは3Dポーズアノテーションが利用できない実用的な配置パラダイムを提案する。
論文参考訳（メタデータ） (2020-08-04T07:54:25Z)
HDNet: Human Depth Estimation for Multi-Person Camera-Space Localization [83.57863764231655]
本稿では,根の絶対的局所化のためのエンドツーエンドフレームワークであるHuman Depth Estimation Network (HDNet)を提案する。関節間の特徴伝達に骨格ベースのグラフニューラルネットワーク(GNN)を用いる。我々は,2つのベンチマークデータセットを用いて,ルートジョイントローカライゼーションとルート相対的な3次元ポーズ推定タスクについて,HDNetの評価を行った。
論文参考訳（メタデータ） (2020-07-17T12:44:23Z)
Unsupervised 3D Human Pose Representation with Viewpoint and Pose Disentanglement [63.853412753242615]
優れた3次元ポーズ表現を学習することは、人間のポーズ関連タスクにとって重要である。本稿では,3次元ポーズ表現を学習するために,新しいシームズ・デノナイズドオートエンコーダを提案する。提案手法は,2つの本質的に異なるタスクに対して,最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2020-07-14T14:25:22Z)
Cascaded deep monocular 3D human pose estimation with evolutionary training data [76.3478675752847]
深層表現学習は単眼の3次元ポーズ推定において顕著な精度を達成した。本稿では,大量のトレーニングデータに対してスケーラブルな新しいデータ拡張手法を提案する。本手法は,先行知識に触発された階層的人体表現と合成に基づいて,未知の3次元人体骨格を合成する。
論文参考訳（メタデータ） (2020-06-14T03:09:52Z)

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。