論文の概要: DH-AUG: DH Forward Kinematics Model Driven Augmentation for 3D Human Pose Estimation

• arxiv url: http://arxiv.org/abs/2207.09303v1
• Date: Tue, 19 Jul 2022 14:37:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-20 14:09:50.606883
• Title: DH-AUG: DH Forward Kinematics Model Driven Augmentation for 3D Human Pose Estimation
• Title（参考訳）: dh-aug:3次元ポーズ推定のためのdh前方運動モデル駆動強化
• Authors: Linzhi Huang, Jiahao Liang, Weihong Deng
• Abstract要約: 本稿では、DH-AUGと呼ばれるDHフォワードキネマティクスモデルによるポーズ拡張ソリューションを提案する。 さらに, 単フレーム3次元ポーズ推定器に適用した場合, 従来のベストポーズ拡張法よりも優れていた。
• 参考スコア（独自算出の注目度）: 39.118684440040106
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the lack of diversity of datasets, the generalization ability of the pose estimator is poor. To solve this problem, we propose a pose augmentation solution via DH forward kinematics model, which we call DH-AUG. We observe that the previous work is all based on single-frame pose augmentation, if it is directly applied to video pose estimator, there will be several previously ignored problems: (i) angle ambiguity in bone rotation (multiple solutions); (ii) the generated skeleton video lacks movement continuity. To solve these problems, we propose a special generator based on DH forward kinematics model, which is called DH-generator. Extensive experiments demonstrate that DH-AUG can greatly increase the generalization ability of the video pose estimator. In addition, when applied to a single-frame 3D pose estimator, our method outperforms the previous best pose augmentation method. The source code has been released at https://github.com/hlz0606/DH-AUG-DH-Forward-Kinematics-Model-Driven-Augmentation-for-3D-Human-Pose- Estimation.
• Abstract（参考訳）: データセットの多様性が欠如しているため、ポーズ推定器の一般化能力は乏しい。 この問題を解決するために、DH-AUGと呼ばれるDHフォワードキネマティクスモデルを用いたポーズ拡張ソリューションを提案する。 私たちは、前回の作業はすべてシングルフレームのポーズ拡張に基づいており、ビデオポーズ推定に直接適用された場合、これまで無視されていたいくつかの問題が存在することを観察する。 (i)骨回転における角度曖昧性(複数溶液) (ii)スケルトンビデオは運動連続性を欠いている。 これらの問題を解決するために,DHフォワード・キネマティクスモデルに基づく特別な生成器を提案する。 広範な実験により、dh-augはビデオポーズ推定器の一般化能力を大幅に向上できることが示されている。 さらに, 単フレーム3次元ポーズ推定器に適用した場合, 従来のベストポーズ拡張法よりも優れていた。 ソースコードはhttps://github.com/hlz0606/DH-AUG-DH-Forward-Kinematics-Model-Driven-Augmentation-for-3D-Human-Pose- Estimationでリリースされた。

関連論文リスト

• DOGS: Distributed-Oriented Gaussian Splatting for Large-Scale 3D Reconstruction Via Gaussian Consensus [56.45194233357833]
  3DGSを分散訓練するDoGaussianを提案する。 大規模シーンで評価すると,3DGSのトレーニングを6回以上高速化する。
  論文  参考訳（メタデータ） (2024-05-22T19:17:58Z)
• HMP: Hand Motion Priors for Pose and Shape Estimation from Video [52.39020275278984]
  我々は,多種多様な高品質の手の動きを特徴とするAMASSデータセットに基づいて,手動に特有な生成動作を開発する。 頑健な動きの統合は、特に隠蔽されたシナリオにおいて、パフォーマンスを著しく向上させる。 HO3DおよびDexYCBデータセットの質的および定量的評価により,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-12-27T22:35:33Z)
• SoloPose: One-Shot Kinematic 3D Human Pose Estimation with Video Data Augmentation [0.4218593777811082]
  SoloPoseは、ビデオのキネマティックな3Dポーズ推定のための、ワンショットで多対多の時間変換モデルである。 HeatPoseはガウス混合モデル分布に基づく3次元熱マップであり、キーポイントだけでなくキーポイントを標的にしている。 3D AugMotion Toolkitは、既存の3D人間のポーズデータセットを拡張するための方法論である。
  論文  参考訳（メタデータ） (2023-12-15T20:45:04Z)
• HuMoR: 3D Human Motion Model for Robust Pose Estimation [100.55369985297797]
  HuMoRは、時間的ポーズと形状のロバスト推定のための3Dヒューマンモーションモデルです。 モーションシーケンスの各ステップにおけるポーズの変化の分布を学習する条件付き変分オートエンコーダについて紹介する。 本モデルが大規模モーションキャプチャーデータセットのトレーニング後に多様な動きや体型に一般化することを示す。
  論文  参考訳（メタデータ） (2021-05-10T21:04:55Z)
• PoseAug: A Differentiable Pose Augmentation Framework for 3D Human Pose Estimation [83.50127973254538]
  既存の3D人間のポーズ推定器は、新しいデータセットへの一般化性能が悪い。 PoseAugは、より多くの多様性に向けて利用可能なトレーニングのポーズを強化することを学ぶ新しい自動増強フレームワークです。
  論文  参考訳（メタデータ） (2021-05-06T06:57:42Z)
• Synthetic Training for Monocular Human Mesh Recovery [100.38109761268639]
  本稿では,RGB画像と大規模に異なる複数の身体部位の3次元メッシュを推定することを目的とする。 主な課題は、2D画像のすべての身体部分の3Dアノテーションを完備するトレーニングデータがないことである。 本稿では,D2S(Deep-to-scale)投影法を提案する。
  論文  参考訳（メタデータ） (2020-10-27T03:31:35Z)

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。