論文の概要: Human Body Shape Classification Based on a Single Image
- arxiv url: http://arxiv.org/abs/2305.18480v1
- Date: Mon, 29 May 2023 11:47:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-31 20:25:13.124887
- Title: Human Body Shape Classification Based on a Single Image
- Title（参考訳）: 単一画像に基づく人体形状分類
- Authors: Cameron Trotter, Filipa Peleja, Dario Dotti and Alberto de Santos
- Abstract要約: 一つの画像から人体形状を分類する手法を提案する。
提案手法は, 分類の結果, 3次元ボディレクリエーションを必要としない。
結果として得られる体形分類は、様々な下流タスクで利用することができる。
- 参考スコア（独自算出の注目度）: 1.3764085113103217
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is high demand for online fashion recommender systems that incorporate
the needs of the consumer's body shape. As such, we present a methodology to
classify human body shape from a single image. This is achieved through the use
of instance segmentation and keypoint estimation models, trained only on
open-source benchmarking datasets. The system is capable of performing in noisy
environments owing to to robust background subtraction. The proposed
methodology does not require 3D body recreation as a result of classification
based on estimated keypoints, nor requires historical information about a user
to operate - calculating all required measurements at the point of use. We
evaluate our methodology both qualitatively against existing body shape
classifiers and quantitatively against a novel dataset of images, which we
provide for use to the community. The resultant body shape classification can
be utilised in a variety of downstream tasks, such as input to size and fit
recommendation or virtual try-on systems.
- Abstract（参考訳）: 消費者の体型のニーズを組み込んだオンラインファッションレコメンデーションシステムに対する高い需要がある。
そこで本研究では,1つの画像から人体形状を分類する手法を提案する。
これは、オープンソースのベンチマークデータセットでのみトレーニングされたインスタンスセグメンテーションとキーポイント推定モデルを使用することで実現されている。
このシステムは、頑丈なバックグラウンドサブトラクションのため、ノイズの多い環境で実行することができる。
提案手法は、推定キーポイントに基づく分類の結果、3次元ボディレクリエーションを必要とせず、また、利用者の操作に関する履歴情報も必要とせず、使用時点で必要なすべての測定値を計算する。
提案手法は,既存の体型分類器に対して定性的に,またコミュニティに有用な新たな画像データセットに対して定量的に評価する。
結果として得られたボディシェイプの分類は、サイズへの入力や適合推奨、仮想トライオンシステムなど、さまざまな下流タスクで利用することができる。
関連論文リスト
- Explainable Metric Learning for Deflating Data Bias [2.977255700811213]
本稿では,画像の階層的なセマンティックセマンティックセマンティクスを構築し,解釈性を向上させるための説明可能なメトリクス学習フレームワークを提案する。
提案手法により,2つの画像間のセマンティックセグメントに基づくより人間的に理解可能な類似度測定が可能となる。
論文 参考訳（メタデータ） (2024-07-05T21:07:27Z) - 3D Shape Completion on Unseen Categories:A Weakly-supervised Approach [61.76304400106871]
未確認のカテゴリから完全な形状を再構築するための、新しい弱教師付きフレームワークを導入する。
まず,各カテゴリから得られたデータを利用して粗い形状を推定する,エンドツーエンドの事前支援型形状学習ネットワークを提案する。
さらに, 粗い形状をさらに洗練させるために, 自己教師型形状改善モデルを提案する。
論文 参考訳（メタデータ） (2024-01-19T09:41:09Z) - GS-Pose: Category-Level Object Pose Estimation via Geometric and
Semantic Correspondence [5.500735640045456]
カテゴリーレベルのポーズ推定は、コンピュータビジョンやロボット工学における多くの潜在的な応用において難しい課題である。
本稿では,事前学習した基礎モデルから得られる幾何学的特徴と意味的特徴の両方を活用することを提案する。
これは、セマンティックな特徴がオブジェクトのテクスチャや外観に対して堅牢であるため、以前のメソッドよりもトレーニングするデータを大幅に少なくする。
論文 参考訳（メタデータ） (2023-11-23T02:35:38Z) - ALiSNet: Accurate and Lightweight Human Segmentation Network for Fashion
E-Commerce [57.876602177247534]
スマートフォンは、ユーザーが自分の身体の画像をキャプチャする便利な手段を提供する。
我々は、PointRendでSemantic FPNを単純化することで、新しいセグメンテーションモデルを作成する。
我々は、このモデルを、私たちのアプリケーションに関連するポーズの制限されたセットで、高品質な人間のデータセットに微調整する。
論文 参考訳（メタデータ） (2023-04-15T11:06:32Z) - Semantic keypoint-based pose estimation from single RGB frames [64.80395521735463]
一つのRGB画像からオブジェクトの連続6-DoFポーズを推定する手法を提案する。
このアプローチは、畳み込みネットワーク(convnet)によって予測されるセマンティックキーポイントと、変形可能な形状モデルを組み合わせる。
提案手法は,インスタンスベースのシナリオとクラスベースのシナリオの両方に対して,6-DoFオブジェクトのポーズを正確に復元できることを示す。
論文 参考訳（メタデータ） (2022-04-12T15:03:51Z) - Towards Self-Supervised Category-Level Object Pose and Size Estimation [121.28537953301951]
本研究は,一深度画像からのカテゴリレベルのオブジェクトポーズとサイズ推定のための自己教師型フレームワークを提案する。
我々は、同じ形状の点雲における幾何学的整合性を利用して自己超越する。
論文 参考訳（メタデータ） (2022-03-06T06:02:30Z) - Object Pose Estimation using Mid-level Visual Representations [5.220940151628735]
本研究は,これまで見つからなかった環境に効果的に移動可能なオブジェクトカテゴリのポーズ推定モデルを提案する。
ポーズ推定のための深層畳み込みネットワークモデル(CNN)は、通常、オブジェクト検出、ポーズ推定、または3D再構成のために算出されたデータセットに基づいて訓練され評価される。
一般化と新しい環境への移動に関しては,この手法が好ましいことを示す。
論文 参考訳（メタデータ） (2022-03-02T22:49:17Z) - DONet: Learning Category-Level 6D Object Pose and Size Estimation from
Depth Observation [53.55300278592281]
単一深度画像からカテゴリレベルの6次元オブジェクト・ポースとサイズ推定(COPSE)を提案する。
筆者らのフレームワークは,深度チャネルのみの物体のリッチな幾何学的情報に基づいて推論を行う。
我々のフレームワークは、ラベル付き現実世界の画像を必要とする最先端のアプローチと競合する。
論文 参考訳（メタデータ） (2021-06-27T10:41:50Z) - Learning to Segment Human Body Parts with Synthetically Trained Deep
Convolutional Networks [58.0240970093372]
本稿では,合成データのみを用いて学習した深部畳み込みニューラルネットワークに基づく人体部分分割のための新しい枠組みを提案する。
提案手法は,人体部品の実際の注釈付きデータを用いてモデルを訓練することなく,最先端の結果が得られる。
論文 参考訳（メタデータ） (2021-02-02T12:26:50Z) - Validation and generalization of pixel-wise relevance in convolutional
neural networks trained for face classification [0.0]
重要モデルのパラメータ間で、関連度がどう異なるかを示し、一般化する。
関連性に基づく画像マスキングにより、顔分類の関連マップは一般に安定であることが判明した。
モデル間の関係写像の詳細な解析により、選択パラメータの特定の利点を示す一般化における非対称性が明らかになった。
論文 参考訳（メタデータ） (2020-06-16T23:20:40Z) - RePose: Learning Deep Kinematic Priors for Fast Human Pose Estimation [17.0630180888369]
本稿では,1つの画像から人間のポーズ推定を行うための,効率的で軽量なモデルを提案する。
本モデルは,様々な最先端手法のパラメータ数と計算コストのごく一部で競合する結果を得るように設計されている。
論文 参考訳（メタデータ） (2020-02-10T16:44:45Z)
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。