論文の概要: Monocular 3D Human Pose Estimation for Sports Broadcasts using Partial
Sports Field Registration
- arxiv url: http://arxiv.org/abs/2304.04437v1
- Date: Mon, 10 Apr 2023 07:41:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-11 15:49:24.906723
- Title: Monocular 3D Human Pose Estimation for Sports Broadcasts using Partial
Sports Field Registration
- Title（参考訳）: 部分的スポーツフィールド登録を用いたスポーツ放送における単眼3次元人物ポーズ推定
- Authors: Tobias Baumgartner and Stefanie Klatt
- Abstract要約: スポーツ場の一部登録による2次元ポーズ推定とカメラキャリブレーションの進歩を組み合わせることで,有効な大規模運動データ収集の道筋を示す。
異なる視点、実行スタイル、ボディタイプを備えた、Unreal Engine 5で10k以上の画像の合成データセットを生成します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The filming of sporting events projects and flattens the movement of athletes
in the world onto a 2D broadcast image. The pixel locations of joints in these
images can be detected with high validity. Recovering the actual 3D movement of
the limbs (kinematics) of the athletes requires lifting these 2D pixel
locations back into a third dimension, implying a certain scene geometry. The
well-known line markings of sports fields allow for the calibration of the
camera and for determining the actual geometry of the scene. Close-up shots of
athletes are required to extract detailed kinematics, which in turn obfuscates
the pertinent field markers for camera calibration. We suggest partial sports
field registration, which determines a set of scene-consistent camera
calibrations up to a single degree of freedom. Through joint optimization of 3D
pose estimation and camera calibration, we demonstrate the successful
extraction of 3D running kinematics on a 400m track. In this work, we combine
advances in 2D human pose estimation and camera calibration via partial sports
field registration to demonstrate an avenue for collecting valid large-scale
kinematic datasets. We generate a synthetic dataset of more than 10k images in
Unreal Engine 5 with different viewpoints, running styles, and body types, to
show the limitations of existing monocular 3D HPE methods. Synthetic data and
code are available at https://github.com/tobibaum/PartialSportsFieldReg_3DHPE.
- Abstract（参考訳）: スポーツイベントの撮影は、世界中のアスリートの動きを2Dの放送画像に反映させる。
これらの画像中のジョイントの画素位置を高い妥当性で検出することができる。
アスリートの四肢(運動学)の実際の3Dの動きを復元するには、これらの2Dピクセルの位置を3次元に戻さなければならない。
スポーツフィールドの有名な線マークは、カメラの校正とシーンの実際の形状の決定を可能にする。
アスリートのクローズアップショットは、詳細なキネマティクスを抽出するために必要であり、カメラのキャリブレーションには関連するフィールドマーカーを省略する。
本稿では,シーン一貫性カメラのキャリブレーションを最大1自由度まで決定する部分的スポーツフィールド登録を提案する。
3次元ポーズ推定とカメラキャリブレーションの連成最適化により,400mトラックでの3次元ランニングキネマティクスの抽出に成功した。
本研究では, スポーツ場の一部登録による2次元ポーズ推定とカメラキャリブレーションの進歩を組み合わせることで, 有効な大規模キネマティックデータセットの収集方法を示す。
我々は,unreal engine 5において,異なる視点,動作スタイル,体型を持つ10k画像の合成データセットを作成し,既存の3次元hpe法の限界を示す。
合成データとコードはhttps://github.com/tobibaum/PartialSportsFieldReg_3DHPEで入手できる。
関連論文リスト
- A Universal Protocol to Benchmark Camera Calibration for Sports [6.011159943695013]
スポーツ分析におけるカメラキャリブレーションのための新しいベンチマークプロトコルを提案する。
本プロトコルは,カメラキャリブレーション手法の公平な評価を提供する。
私たちは、高い精度のスポーツアプリケーションのためのカメラキャリブレーションの新しいステージを開拓したいと考えています。
論文 参考訳（メタデータ） (2024-04-15T14:03:31Z) - 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) - Cinematic Behavior Transfer via NeRF-based Differentiable Filming [63.1622492808519]
既存のSLAM手法は動的シーンの制限に直面し、人間のポーズ推定はしばしば2次元投影に焦点を当てる。
まず,逆撮影行動推定手法を提案する。
次に,新しい2Dビデオや3D仮想環境に様々な撮影タイプを転送できる映像転送パイプラインを導入する。
論文 参考訳（メタデータ） (2023-11-29T15:56:58Z) - Context-Aware 3D Object Localization from Single Calibrated Images: A
Study of Basketballs [1.809206198141384]
単一校正画像から3次元バスケットボールのローカライズ手法を提案する。
提案手法は,画像内の平面上に投影された物体の高さを推定することにより,画像空間内の物体の高さを推定する。
ボールの3次元座標は、既知の投影行列を利用して再構成される。
論文 参考訳（メタデータ） (2023-09-07T11:14:02Z) - SportsPose -- A Dynamic 3D sports pose dataset [0.0]
SportsPoseは、非常にダイナミックなスポーツ運動からなる大規模な3D人間のポーズデータセットである。
SportsPoseは、スポーツ運動の複雑でダイナミックな性質を反映した多種多様な3Dポーズを提供する。
論文 参考訳（メタデータ） (2023-04-04T15:15:25Z) - Scene-Aware 3D Multi-Human Motion Capture from a Single Camera [83.06768487435818]
静止カメラで記録された1枚のRGBビデオから、シーン内の複数の人間の3次元位置を推定し、その身体形状と調音を推定する問題を考察する。
コンピュータビジョンの最近の進歩を,2次元の人体関節,関節角度,正規化不均等マップ,人間のセグメンテーションマスクなど,様々なモダリティのための大規模事前訓練モデルを用いて活用している。
特に,2次元の関節と関節角度を用いた正規化不均等予測から,シーン深度とユニークな人格尺度を推定する。
論文 参考訳（メタデータ） (2023-01-12T18:01:28Z) - Keypoint-less Camera Calibration for Sports Field Registration in Soccer [11.374200381593267]
セグメント対応からカメラのポーズと焦点距離を学習できる、微分可能な目的関数を導入する。
放送されたサッカー画像から3次元スポーツフィールドを登録するための新しい手法を提案する。
論文 参考訳（メタデータ） (2022-07-24T10:31:25Z) - MetaPose: Fast 3D Pose from Multiple Views without 3D Supervision [72.5863451123577]
正確な3Dポーズとカメラ推定が可能なニューラルモデルをトレーニングする方法を示す。
本手法は,古典的バンドル調整と弱教師付き単分子3Dベースラインの両方に優れる。
論文 参考訳（メタデータ） (2021-08-10T18:39:56Z) - Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。
移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-12T15:30:02Z) - Contact and Human Dynamics from Monocular Video [73.47466545178396]
既存のディープモデルは、ほぼ正確に見えるエラーを含むビデオから2Dと3Dキネマティックのポーズを予測する。
本稿では,最初の2次元と3次元のポーズ推定を入力として,映像系列から3次元の人間の動きを推定する物理に基づく手法を提案する。
論文 参考訳（メタデータ） (2020-07-22T21:09:11Z) - Synergetic Reconstruction from 2D Pose and 3D Motion for Wide-Space
Multi-Person Video Motion Capture in the Wild [3.0015034534260665]
マルチカメラの精度と滑らかさを考慮したマーカーレスモーションキャプチャ手法を提案する。
提案手法は,各人物の3Dポーズを予測し,マルチカメラ画像のバウンディングボックスを決定する。
提案手法を,様々なデータセットと実スポーツフィールドを用いて評価した。
論文 参考訳（メタデータ） (2020-01-16T02:14:59Z)
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。