論文の概要: 3D Human Mesh Construction Leveraging Wi-Fi

• arxiv url: http://arxiv.org/abs/2210.10957v1
• Date: Thu, 20 Oct 2022 01:58:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 15:45:21.196556
• Title: 3D Human Mesh Construction Leveraging Wi-Fi
• Title（参考訳）: Wi-Fiを活用した3次元メッシュ構築
• Authors: Yichao Wang and Jie Yang
• Abstract要約: Wi-Meshはビジョンベースの人間のメッシュ構築システムである。 システムはWiFiを使って人体の形状と変形を視覚化する。
• 参考スコア（独自算出の注目度）: 6.157977673335047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present, Wi-Mesh, a WiFi vision-based 3D human mesh construction system. Our system leverages the advances of WiFi to visualize the shape and deformations of the human body for 3D mesh construction. In particular, it leverages multiple transmitting and receiving antennas on WiFi devices to estimate the two-dimensional angle of arrival (2D AoA) of the WiFi signal reflections to enable WiFi devices to see the physical environment as we humans do. It then extracts only the images of the human body from the physical environment and leverages deep learning models to digitize the extracted human body into a 3D mesh representation. Experimental evaluation under various indoor environments shows that Wi-Mesh achieves an average vertices location error of 2.81cm and joint position error of 2.4cm, which is comparable to the systems that utilize specialized and dedicated hardware. The proposed system has the advantage of re-using the WiFi devices that already exist in the environment for potential mass adoption. It can also work in non-line of sight (NLoS), poor lighting conditions, and baggy clothes, where the camera-based systems do not work well.
• Abstract（参考訳）: 本稿ではWi-MeshというWiFiビジョンによる3次元メッシュ構築システムについて述べる。 本システムは、WiFiの進歩を利用して、人体の形状と変形を可視化し、3Dメッシュ構築を行う。 特に、WiFiデバイス上の複数の送信アンテナと受信アンテナを利用して、WiFi信号反射の2次元の到着角(AoA)を推定し、WiFiデバイスが人間と同じように物理的な環境を見ることができるようにします。 その後、物理的環境から人体の画像のみを抽出し、深層学習モデルを利用して抽出した人体を3Dメッシュ表現にデジタル化する。 様々な屋内環境下での実験評価により、wi-meshは、専用ハードウェアを利用するシステムと同等の平均頂点位置誤差2.81cm、ジョイント位置誤差2.4cmを達成した。 提案システムでは,すでに環境に存在しているWiFiデバイスを再利用して大量導入する利点がある。 また、非視界(NLoS)、照明条件の悪さ、そしてカメラベースのシステムがうまく機能しないダギーな衣服でも機能する。

関連論文リスト

• Vision Reimagined: AI-Powered Breakthroughs in WiFi Indoor Imaging [4.236383297604285]
  全方位信号としてのWiFiは、受動的撮像を行い、最新の情報をすべての接続デバイスに同期させる有望な候補である。 これは、WiFi屋内イメージングを、計測されたWiFi電力を高解像度の屋内画像に変換するマルチモーダル画像生成タスクとして考える最初の研究である。 提案するWiFi-GENネットワークは,物理モデルに基づく手法で実現した形状復元精度の275%を達成している。
  論文  参考訳（メタデータ） (2024-01-09T02:20:30Z)
• Cloth2Body: Generating 3D Human Body Mesh from 2D Clothing [54.29207348918216]
  Cloth2Bodyは、入力の部分的な観察と出力の多様性によって引き起こされる新しい課題に対処する必要がある。 本稿では,2次元衣料品画像のポーズと形状によってパラメータ化された3Dボディメッシュを高精度に推定できるエンドツーエンドフレームワークを提案する。 実験結果から示されるように,提案手法は最先端の性能を実現し,自然および多様な3Dボディメッシュを2次元画像から効果的に回収することができる。
  論文  参考訳（メタデータ） (2023-09-28T06:18:38Z)
• DensePose From WiFi [86.61881052177228]
  WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。 本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
  論文  参考訳（メタデータ） (2022-12-31T16:48:43Z)
• Robust Person Identification: A WiFi Vision-based Approach [7.80781386916681]
  本研究では3次元空間における人物Re-IDのためのWiFiビジョンベースシステムである3D-IDを提案する。 私たちのシステムは、WiFiとディープラーニングの進歩を活用して、WiFiデバイスが人を見たり、識別したり、認識したりするのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-30T22:54:30Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• 3D Human Pose Estimation for Free-from and Moving Activities Using WiFi [7.80781386916681]
  GoPoseは、家庭でWiFiデバイスを使用する3Dスケルトンに基づく人間のポーズ推定システムだ。 当社のシステムでは,センサを装着したり携帯したりする必要はなく,家庭環境にすでに存在するWiFiデバイスを大量採用するために再利用することができる。
  論文  参考訳（メタデータ） (2022-04-16T21:58:24Z)
• Gait Recognition in the Wild with Dense 3D Representations and A Benchmark [86.68648536257588]
  既存の歩行認識の研究は、制約されたシーンにおける人間の体のシルエットや骨格のような2D表現によって支配されている。 本稿では,野生における歩行認識のための高密度な3次元表現の探索を目的とする。 大規模な3D表現に基づく歩行認識データセットGait3Dを構築した。
  論文  参考訳（メタデータ） (2022-04-06T03:54:06Z)
• StereoPIFu: Depth Aware Clothed Human Digitization via Stereo Vision [54.920605385622274]
  本研究では,立体視の幾何学的制約をPIFuの暗黙的関数表現と統合し,人間の3次元形状を復元するStereoPIFuを提案する。 従来の作品と比較すると, ステレオピフは衣服によるヒト再建のロバスト性, 完全性, 正確性が著しく向上した。
  論文  参考訳（メタデータ） (2021-04-12T08:41:54Z)
• From Point to Space: 3D Moving Human Pose Estimation Using Commodity WiFi [21.30069619479767]
  Wi-Moseは、商品WiFiを用いた最初の3D移動人間のポーズ推定システムです。 振幅と位相をチャネル状態情報(csi)画像に融合し,ポーズ情報と位置情報の両方を提供する。 実験結果は、Wi-Moseが29.7mmおよび37.8mm Procrustes分析で、Sight of Sight(LoS)およびnon-Line of Sight(NLoS)シナリオにおける共同位置誤差(P-MPJPE)を局在化できることを示しています。
  論文  参考訳（メタデータ） (2020-12-28T02:27:26Z)
• Pose2Mesh: Graph Convolutional Network for 3D Human Pose and Mesh Recovery from a 2D Human Pose [70.23652933572647]
  本稿では,人間のメッシュ頂点の3次元座標を直接推定するグラフ畳み込みニューラルネットワーク(GraphCNN)を提案する。 我々のPose2Meshは、様々なベンチマークデータセットにおいて、以前の3次元人間のポーズとメッシュ推定方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-20T16:01:56Z)

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。

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。