Fugu-MT 論文翻訳(概要): BlazePose GHUM Holistic: Real-time 3D Human Landmarks and Pose Estimation

論文の概要: BlazePose GHUM Holistic: Real-time 3D Human Landmarks and Pose Estimation

arxiv url: http://arxiv.org/abs/2206.11678v1
Date: Thu, 23 Jun 2022 13:09:58 GMT
ステータス: 処理完了
システム内更新日: 2022-06-24 13:37:17.058131
Title: BlazePose GHUM Holistic: Real-time 3D Human Landmarks and Pose Estimation
Title（参考訳）: blazepose ghum holistic:リアルタイム3d人間のランドマークとポーズ推定
Authors: Ivan Grishchenko, Valentin Bazarevsky, Andrei Zanfir, Eduard Gabriel Bazavan, Mihai Zanfir, Richard Yee, Karthik Raveendran, Matsvei Zhdanovich, Matthias Grundmann, Cristian Sminchisescu
Abstract要約: BlazePose GHUM Holisticは、3Dの人体ランドマークとポーズ推定のための軽量ニューラルネットワークパイプラインである。アバターコントロール、フィットネストラッキング、AR/VRエフェクトを含む、単一のRGBイメージからのモーションキャプチャを可能にする。
参考スコア（独自算出の注目度）: 29.479441834385092
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present BlazePose GHUM Holistic, a lightweight neural network pipeline for 3D human body landmarks and pose estimation, specifically tailored to real-time on-device inference. BlazePose GHUM Holistic enables motion capture from a single RGB image including avatar control, fitness tracking and AR/VR effects. Our main contributions include i) a novel method for 3D ground truth data acquisition, ii) updated 3D body tracking with additional hand landmarks and iii) full body pose estimation from a monocular image.
Abstract（参考訳）: 本稿では,3次元人体ランドマークとポーズ推定のための軽量ニューラルネットワークパイプラインであるblazepose ghum holisticを提案する。 BlazePose GHUM Holisticは、アバターコントロール、フィットネストラッキング、AR/VRエフェクトを含む単一のRGBイメージからのモーションキャプチャを可能にする。私たちの主な貢献は一 3次元地中データ取得のための新規な方法二追加のハンドランドマーク及び追加の3dボディトラッキングの更新三単眼像からの全身ポーズの推定

関連論文リスト

EventEgo3D: 3D Human Motion Capture from Egocentric Event Streams [59.77837807004765]
本稿では,魚眼レンズを用いた一眼一眼レフカメラによる3次元モーションキャプチャーという新たな課題を紹介する。イベントストリームは、時間分解能が高く、高速な人間の動作下での3次元モーションキャプチャーと、急速に変化する照明のための信頼性の高い手がかりを提供する。我々のEE3Dは、リアルタイム3Dポーズ更新レートを140Hzでサポートしながら、既存のソリューションと比較して堅牢性と優れた3D精度を示す。
論文参考訳（メタデータ） (2024-04-12T17:59:47Z)
MinD-3D: Reconstruct High-quality 3D objects in Human Brain [50.534007259536715]
Recon3DMindは、fMRI(Functional Magnetic Resonance Imaging)信号から3次元視覚を再構成するための革新的なタスクである。このデータセットは14人の参加者のデータを含み、3Dオブジェクトの360度ビデオが特徴である。我々は,脳の3次元視覚情報をfMRI信号から復号化するための,新規で効果的な3段階フレームワークMinD-3Dを提案する。
論文参考訳（メタデータ） (2023-12-12T18:21:36Z)
Gravity-Aware Monocular 3D Human-Object Reconstruction [73.25185274561139]
本稿では,共同マーカーレス3次元モーションキャプチャとモノクロRGB映像からの物体軌跡推定のための新しい手法を提案する。自由飛行中に部分的に観察された物体を含むシーンに焦点を当てた。実験では, 各種計測値を用いた3次元モーションキャプチャにおいて, 最先端の精度を実現する。
論文参考訳（メタデータ） (2021-08-19T17:59:57Z)
Human POSEitioning System (HPS): 3D Human Pose Estimation and Self-localization in Large Scenes from Body-Mounted Sensors [71.29186299435423]
HPS(Human POSEitioning System)は、周囲の環境の3Dスキャンで登録された人間の完全な3Dポーズを回復する手法です。最適化に基づく統合は2つの利点を生かし、結果としてドリフトのないポーズの精度が得られることを示す。 hpsは、人間が外部カメラに直接視線を向けなくてもシーンと対話できるvr/arアプリケーションとして使用できる。
論文参考訳（メタデータ） (2021-03-31T17:58:31Z)
UNOC: Understanding Occlusion for Embodied Presence in Virtual Reality [12.349749717823736]
本稿では,内装体追跡のための新しいデータ駆動型フレームワークを提案する。まず、体と指の両方の動作で、大規模なモーションキャプチャーデータセットを収集する。次に, 被写体部を推定する深層ニューラルネットワークを学習し, 被写体部から被写体部を抽出し, 被写体部から被写体部を推定する。
論文参考訳（メタデータ） (2020-11-12T09:31:09Z)
SelfPose: 3D Egocentric Pose Estimation from a Headset Mounted Camera [97.0162841635425]
頭部装着型VR装置の縁に設置した下向きの魚眼カメラから撮影した単眼画像から,エゴセントリックな3Dボディポーズ推定法を提案する。この特異な視点は、厳密な自己閉塞と視点歪みを伴う、独特の視覚的な外観のイメージに繋がる。本稿では,2次元予測の不確実性を考慮した新しいマルチブランチデコーダを用いたエンコーダデコーダアーキテクチャを提案する。
論文参考訳（メタデータ） (2020-11-02T16:18:06Z)
Kinematic 3D Object Detection in Monocular Video [123.7119180923524]
運動運動を注意深く利用して3次元位置決めの精度を向上させるモノクロ映像を用いた3次元物体検出法を提案する。我々は、KITTI自動運転データセット内のモノクロ3次元物体検出とバードアイビュータスクの最先端性能を達成する。
論文参考訳（メタデータ） (2020-07-19T01:15:12Z)
Instant 3D Object Tracking with Applications in Augmented Reality [4.893345190925178]
3Dでオブジェクトのポーズを追跡することは拡張現実アプリケーションにとって重要なビルディングブロックである。本研究では,物体の空間における姿勢をモバイルデバイス上でリアルタイムに追跡するインスタントモーショントラッキングシステムを提案する。
論文参考訳（メタデータ） (2020-06-23T17:48:29Z)
AnimePose: Multi-person 3D pose estimation and animation [9.323689681059504]
動作中の人間の3Dアニメーションは、人体全体に複数のモーショントラッカーを配置して、すべての手足の動きを追跡するため、非常に難しい。これは時間がかかり、運動センサー付きエキソスケルトンボディスーツの着用が不快になる可能性がある。深層学習を用いた2次元映像から複数の人物の3次元アニメーションを生成する方法を提案する。
論文参考訳（メタデータ） (2020-02-06T11:11:56Z)

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。