論文の概要: PoseGraphNet++: Enriching 3D Human Pose with Orientation Estimation
- arxiv url: http://arxiv.org/abs/2308.11440v1
- Date: Tue, 22 Aug 2023 13:42:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-23 17:57:39.779721
- Title: PoseGraphNet++: Enriching 3D Human Pose with Orientation Estimation
- Title(参考訳): PoseGraphNet++: オリエンテーション推定による3Dヒューマンポース強化
- Authors: Soubarna Banik, Edvard Avagyan, Alejandro Mendoza Gracia, Alois Knoll
- Abstract要約: 既存の骨格に基づく人間のポーズ推定法は関節位置のみを予測する。
本稿では,PoseGraphNet++という2D-to-3Dリフト型グラフ畳み込みネットワークを提案する。
- 参考スコア(独自算出の注目度): 49.17942879643764
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing kinematic skeleton-based 3D human pose estimation methods only
predict joint positions. Although this is sufficient to compute the yaw and
pitch of the bone rotations, the roll around the axis of the bones remains
unresolved by these methods. In this paper, we propose a novel 2D-to-3D lifting
Graph Convolution Network named PoseGraphNet++ to predict the complete human
pose including the joint positions and the bone orientations. We employ node
and edge convolutions to utilize the joint and bone features. Our model is
evaluated on multiple benchmark datasets, and its performance is either on par
with or better than the state-of-the-art in terms of both position and rotation
metrics. Through extensive ablation studies, we show that PoseGraphNet++
benefits from exploiting the mutual relationship between the joints and the
bones.
- Abstract(参考訳): 既存のキネマティックスケルトンに基づく3次元人間のポーズ推定手法は関節の位置のみを予測する。
これは骨回転のヨーとピッチを計算するのに十分であるが、骨の軸周りのロールはこれらの方法で未解決のままである。
本稿では, 関節位と骨の向きを含む完全な人間のポーズを予測するために, posegraphnet++ という2次元から3次元の浮揚グラフ畳み込みネットワークを提案する。
関節と骨の特徴を利用するために, ノードとエッジの畳み込みを用いる。
我々のモデルは複数のベンチマークデータセットで評価され、その性能は位置測定と回転測定の両方の観点から最先端の手法と同等かそれ以上である。
広範なアブレーション研究を通じて,ponsgraphnet++は関節と骨の相互関係を活用できることを示した。
関連論文リスト
- Improving 3D Pose Estimation for Sign Language [38.20064386142944]
この研究は、単一の画像における3次元人間のポーズ復元に対処する。
本稿では,フォワード・キネマティクス(FK)とニューラルネットワークを組み合わせた3次元ポーズの高速かつ有効な予測手法を提案する。
論文 参考訳(メタデータ) (2023-08-18T13:05:10Z) - Iterative Graph Filtering Network for 3D Human Pose Estimation [5.177947445379688]
グラフ畳み込みネットワーク(GCN)は3次元人間のポーズ推定に有効な手法であることが証明されている。
本稿では,3次元ポーズ推定のための反復グラフフィルタリングフレームワークを提案する。
我々のアプローチは、ラプラシア正規化によるグラフフィルタリングを反復的に解くという考え方に基づいている。
論文 参考訳(メタデータ) (2023-07-29T20:46:44Z) - Regular Splitting Graph Network for 3D Human Pose Estimation [5.177947445379688]
2次元から3次元の人間のポーズ推定のための高次正規分割グラフネットワーク(RS-Net)を提案する。
近年の3次元ポーズ推定における最先端手法よりも優れた性能を実現する。
論文 参考訳(メタデータ) (2023-05-09T22:13:04Z) - Graph-Based 3D Multi-Person Pose Estimation Using Multi-View Images [79.70127290464514]
我々は,タスクを2つの段階,すなわち人物のローカライゼーションとポーズ推定に分解する。
また,効率的なメッセージパッシングのための3つのタスク固有グラフニューラルネットワークを提案する。
提案手法は,CMU Panoptic と Shelf のデータセット上での最先端性能を実現する。
論文 参考訳(メタデータ) (2021-09-13T11:44:07Z) - 3D Human Pose Regression using Graph Convolutional Network [68.8204255655161]
本稿では,2次元のポーズから3次元のポーズ回帰を行うために,PoseGraphNetというグラフ畳み込みネットワークを提案する。
我々のモデルの性能は最先端に近いが、パラメータははるかに少ない。
論文 参考訳(メタデータ) (2021-05-21T14:41:31Z) - MotioNet: 3D Human Motion Reconstruction from Monocular Video with
Skeleton Consistency [72.82534577726334]
モノクロビデオから3次元人間の骨格の動きを直接再構成するディープニューラルネットワークであるMotioNetを紹介した。
本手法は,動作表現を完全かつ一般的に使用するキネマティックスケルトンを直接出力する最初のデータ駆動型手法である。
論文 参考訳(メタデータ) (2020-06-22T08:50:09Z) - Anatomy-aware 3D Human Pose Estimation with Bone-based Pose
Decomposition [92.99291528676021]
3次元関節位置を直接回帰するのではなく,骨方向予測と骨長予測に分解する。
私たちのモチベーションは、人間の骨格の骨の長さが時間とともに一定であることにあります。
我々の完全なモデルは、Human3.6MとMPI-INF-3DHPデータセットにおいて、以前の最高の結果よりも優れています。
論文 参考訳(メタデータ) (2020-02-24T15:49:37Z) - Learning 3D Human Shape and Pose from Dense Body Parts [117.46290013548533]
本研究では,3次元の人体形状を学習し,身体部分の密接な対応からポーズをとるために,分解・集約ネットワーク(DaNet)を提案する。
ローカルストリームからのメッセージは集約され、回転ベースのポーズの堅牢な予測が強化される。
提案手法は,Human3.6M,UP3D,COCO,3DPWを含む屋内および実世界のデータセットで検証される。
論文 参考訳(メタデータ) (2019-12-31T15:09:51Z)
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。