論文の概要: Effect of Gender, Pose and Camera Distance on Human Body Dimensions Estimation

• arxiv url: http://arxiv.org/abs/2205.12028v1
• Date: Tue, 24 May 2022 12:26:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-25 14:25:06.724818
• Title: Effect of Gender, Pose and Camera Distance on Human Body Dimensions Estimation
• Title（参考訳）: 身体寸法推定における性別, ポーズ, カメラ距離の影響
• Authors: Yansel G\'onzalez Tejeda and Helmut A. Mayer
• Abstract要約: HBDE(Human Body Dimensions Estimation)は、知的エージェントが画像(2D)や点雲やメッシュ(3D)から人体情報を判定する作業である。 我々は,(1)特定の性別の被験者とのトレーニング,(2)特定のポーズ,(3)スパースカメラ距離,(4)密度カメラ距離の4つのシナリオでCNNを訓練し,評価する。 我々の実験は、ネットワークがタスクをうまく実行できることを実証するだけでなく、HBDEのタスクをよりよく理解するのに寄与する多くの関連する事実も明らかにする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Human Body Dimensions Estimation (HBDE) is a task that an intelligent agent can perform to attempt to determine human body information from images (2D) or point clouds or meshes (3D). More specifically, if we define the HBDE problem as inferring human body measurements from images, then HBDE is a difficult, inverse, multi-task regression problem that can be tackled with machine learning techniques, particularly convolutional neural networks (CNN). Despite the community's tremendous effort to advance human shape analysis, there is a lack of systematic experiments to assess CNNs estimation of human body dimensions from images. Our contribution lies in assessing a CNN estimation performance in a series of controlled experiments. To that end, we augment our recently published neural anthropometer dataset by rendering images with different camera distance. We evaluate the network inference absolute and relative mean error between the estimated and actual HBDs. We train and evaluate the CNN in four scenarios: (1) training with subjects of a specific gender, (2) in a specific pose, (3) sparse camera distance and (4) dense camera distance. Not only our experiments demonstrate that the network can perform the task successfully, but also reveal a number of relevant facts that contribute to better understand the task of HBDE.
• Abstract（参考訳）: 人体寸法推定 (human body dimension estimation, hbde) は、知的エージェントが画像 (2d) や雲やメッシュ (3d) から人体情報を判断しようとするタスクである。 より具体的には、HBDE問題を画像から人体計測を推測するものとして定義すると、HBDEは、機械学習技術、特に畳み込みニューラルネットワーク(CNN)に対処できる困難で逆のマルチタスク回帰問題である。 人間の形状分析を前進させようとするコミュニティの膨大な努力にもかかわらず、画像から人体寸法の推定をcnnで評価する体系的な実験が欠如している。 我々の貢献は、一連の制御実験におけるcnn推定性能の評価にある。 そのために、カメラ距離の異なる画像をレンダリングすることで、最近発表したニューラルヒューマトメーターデータセットを拡張しました。 推定されたHBDと実際のHBDのネットワーク推定誤差と相対平均誤差を評価する。 我々は,(1)特定の性別の被験者による訓練,(2)特定のポーズでの訓練,(3)疎カメラ距離,(4)密カメラ距離の4つのシナリオでcnnを訓練・評価した。 我々の実験は、ネットワークがタスクをうまく実行できることを実証するだけでなく、HBDEのタスクをよりよく理解するのに寄与する多くの関連する事実も明らかにする。

関連論文リスト

• Closely Interactive Human Reconstruction with Proxemics and Physics-Guided Adaption [64.07607726562841]
  既存の人間再建アプローチは主に、正確なポーズの回復や侵入を避けることに焦点を当てている。 本研究では,モノクロ映像から密に対話的な人間を再構築する作業に取り組む。 本稿では,視覚情報の欠如を補うために,確率的行動や物理からの知識を活用することを提案する。
  論文  参考訳（メタデータ） (2024-04-17T11:55:45Z)
• Neural feels with neural fields: Visuo-tactile perception for in-hand manipulation [57.60490773016364]
  マルチフィンガーハンドの視覚と触覚を組み合わせることで,手動操作時の物体の姿勢と形状を推定する。 提案手法であるNeuralFeelsは,ニューラルネットワークをオンラインで学習することでオブジェクトの形状を符号化し,ポーズグラフ問題を最適化して共同で追跡する。 私たちの結果は、タッチが少なくとも、洗練され、そして最も最良のものは、手動操作中に視覚的推定を曖昧にすることを示しています。
  論文  参考訳（メタデータ） (2023-12-20T22:36:37Z)
• 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)
• KTN: Knowledge Transfer Network for Learning Multi-person 2D-3D Correspondences [77.56222946832237]
  画像中の複数の人物の密着度を検出するための新しい枠組みを提案する。 提案手法は知識伝達ネットワーク(KTN)の2つの問題に対処する。 特徴解像度を同時に維持し、背景画素を抑圧し、この戦略は精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2022-06-21T03:11:37Z)
• PedRecNet: Multi-task deep neural network for full 3D human pose and orientation estimation [0.0]
  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。
  論文  参考訳（メタデータ） (2022-04-25T10:47:01Z)
• Automatic Estimation of Anthropometric Human Body Measurements [0.0]
  本稿では,深層学習とニューラルネットワークの分野における研究を定式化し,様々な視覚的入力データから身体計測の課題に取り組む。 また, 各種人体形状の合成データセットを作成することにより, トレーニングや評価に要する地上の真理体計測に注釈を付ける実際の人体データの欠如にも対処する。
  論文  参考訳（メタデータ） (2021-12-22T16:13:59Z)
• Overcoming the Domain Gap in Neural Action Representations [60.47807856873544]
  3Dポーズデータは、手動で介入することなく、マルチビュービデオシーケンスから確実に抽出できる。 本稿では,ニューラルアクション表現の符号化を,ニューラルアクションと行動拡張のセットと共に導くために使用することを提案する。 ドメインギャップを減らすために、トレーニングの間、同様の行動をしているように見える動物間で神経と行動のデータを取り替える。
  論文  参考訳（メタデータ） (2021-12-02T12:45:46Z)
• A Neural Anthropometer Learning from Body Dimensions Computed on Human 3D Meshes [0.0]
  本稿では,3次元メッシュの左右腕長,肩幅,切削高さ(クロッチ高さ)を,医療・バーチャル・トライオン・距離調整への応用に焦点をあてて算出する手法を提案する。 一方、最近発表された手法を用いて計算された4つの追加の体次元を用いて、8つの体次元の集合を組み立て、これら次元を推定できる畳み込みニューラルネットワークであるニューラル・アントロポメータの監視信号として使用する。
  論文  参考訳（メタデータ） (2021-10-06T12:56:05Z)
• Self-Supervised 3D Human Pose Estimation with Multiple-View Geometry [2.7541825072548805]
  本稿では,複数視点カメラシステムに基づく1人の人物の3次元ポーズ推定のための自己教師付き学習アルゴリズムを提案する。 そこで本研究では,2次元・3次元の立体ポーズが不要な4自由度関数学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-17T17:31:24Z)
• Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
  本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。 我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-01T10:12:30Z)
• Interpretation of 3D CNNs for Brain MRI Data Classification [56.895060189929055]
  T1脳MRIにおける拡散テンソル画像の男女差について,これまでの知見を拡張した。 ボクセルの3次元CNN解釈を3つの解釈法の結果と比較する。
  論文  参考訳（メタデータ） (2020-06-20T17:56:46Z)

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。