論文の概要: BLAPose: Enhancing 3D Human Pose Estimation with Bone Length Adjustment

• arxiv url: http://arxiv.org/abs/2410.20731v1
• Date: Mon, 28 Oct 2024 04:50:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:22:29.083641
• Title: BLAPose: Enhancing 3D Human Pose Estimation with Bone Length Adjustment
• Title（参考訳）: BLAPose:骨長調整による3次元人物位置推定の強化
• Authors: C. Hsu, J. Jang,
• Abstract要約: この研究は、ビデオシーケンス全体にわたる全体的情報をキャプチャするために設計された、リカレントニューラルネットワークアーキテクチャを導入している。 本稿では, 身体的制約に順応する合成骨長を用いた新しい拡張戦略を提案する。 我々は,推定骨長を用いた人間のポーズ推定モデルを微調整し,顕著な改善を観察した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Current approaches in 3D human pose estimation primarily focus on regressing 3D joint locations, often neglecting critical physical constraints such as bone length consistency and body symmetry. This work introduces a recurrent neural network architecture designed to capture holistic information across entire video sequences, enabling accurate prediction of bone lengths. To enhance training effectiveness, we propose a novel augmentation strategy using synthetic bone lengths that adhere to physical constraints. Moreover, we present a bone length adjustment method that preserves bone orientations while substituting bone lengths with predicted values. Our results demonstrate that existing 3D human pose estimation models can be significantly enhanced through this adjustment process. Furthermore, we fine-tune human pose estimation models using inferred bone lengths, observing notable improvements. Our bone length prediction model surpasses the previous best results, and our adjustment and fine-tuning method enhance performance across several metrics on the Human3.6M dataset.
• Abstract（参考訳）: 3次元人間のポーズ推定における現在のアプローチは、主に3次元関節位置の後退に焦点を当てており、しばしば骨長の整合性や体対称性といった重要な物理的制約を無視している。 この研究は、ビデオシーケンス全体の全体的情報をキャプチャし、骨長の正確な予測を可能にするために設計された、リカレントニューラルネットワークアーキテクチャを導入している。 トレーニングの有効性を高めるため,身体的制約に固執する合成骨長を用いた新しい増強戦略を提案する。 また,骨長を予測値で置換しながら骨配向を保存する骨長調整法を提案する。 この調整により既存の3次元ポーズ推定モデルを大幅に向上できることを示す。 さらに、推定骨長を用いた人間のポーズ推定モデルを微調整し、顕著な改善を観察した。 我々の骨長予測モデルは, これまでの最良結果を上回るものであり, 調整法と微調整法によりHuman3.6Mデータセット上のいくつかの指標における性能が向上する。

関連論文リスト

• ARTS: Semi-Analytical Regressor using Disentangled Skeletal Representations for Human Mesh Recovery from Videos [18.685856290041283]
  ARTSは、一般的なベンチマークにおけるフレーム単位の精度と時間的一貫性の両方において、既存の最先端のビデオベースの手法を超越している。 ビデオから3Dスケルトンを推定するために,スケルトン推定およびアンタングルメントモジュールを提案する。 回帰器は、Temporal Inverse Kinematics (TIK), bone-guided Shape Fitting (BSF), Motion-Centric Refinement (MCR)の3つのモジュールで構成されている。
  論文  参考訳（メタデータ） (2024-10-21T02:06:43Z)
• Occluded Human Pose Estimation based on Limb Joint Augmentation [14.36131862057872]
  そこで本研究では,人体におけるポーズ推定モデルの一般化能力を高めるために,手足関節拡張に基づく閉鎖型ポーズ推定フレームワークを提案する。 モデルの局所化能力を高めるために,手足グラフに基づく動的構造損失関数を構築し,閉塞した関節の分布を探索する。
  論文  参考訳（メタデータ） (2024-10-13T15:48:24Z)
• Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion Modeling [83.76377808476039]
  本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。 動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。 混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
  論文  参考訳（メタデータ） (2023-08-18T16:41:57Z)
• Using machine learning on new feature sets extracted from 3D models of broken animal bones to classify fragments according to break agent [53.796331564067835]
  ホミニン骨破壊による骨片と肉食動物による骨片の識別を目的とした骨折パターン解析への新しいアプローチを提案する。 この方法では、断片的な骨の3Dモデルを用いて、これまで骨折パターン解析に使用されていた特徴セットよりも透明性が高くレプリカ性の高いデータセットを抽出する。 監視された機械学習アルゴリズムは、骨断片を破片のエージェントに従って適切に分類するために使用され、平均的精度はテスト全体で77%である。
  論文  参考訳（メタデータ） (2022-05-20T20:16:21Z)
• LatentHuman: Shape-and-Pose Disentangled Latent Representation for Human Bodies [78.17425779503047]
  本稿では,人体に対する新しい暗黙の表現法を提案する。 完全に微分可能で、非交叉形状で最適化可能であり、潜在空間を映し出す。 我々のモデルは、よく設計された損失を伴う、水密でない生データを直接訓練し、微調整することができる。
  論文  参考訳（メタデータ） (2021-11-30T04:10:57Z)
• Motion Projection Consistency Based 3D Human Pose Estimation with Virtual Bones from Monocular Videos [16.808244226857745]
  仮想骨の概念は3次元ポーズ推定における累積誤差の問題を解決するために提案される。 本稿では,実際の骨と仮想骨を同時に予測するネットワークを提案する。 ネットワークによって予測される2次元投影位置変位とカメラによるキャプチャされた実2次元変位との整合性は、3次元人間のポーズを学習するための新しい投影整合性損失として提案される。
  論文  参考訳（メタデータ） (2021-06-28T13:37:57Z)
• Revisiting Skeleton-based Action Recognition [107.08112310075114]
  PoseC3Dは骨格に基づく行動認識の新しいアプローチであり、代わりに人間の骨格のベース表現としてグラフシーケンスを積み重ねる3Dヒートマップに依存している。 4つの挑戦的なデータセットにおいて、PoseC3Dは、スケルトン上で単独で使用し、RGBモダリティと組み合わせることで、常に優れたパフォーマンスを得る。
  論文  参考訳（メタデータ） (2021-04-28T06:32:17Z)
• Cascaded deep monocular 3D human pose estimation with evolutionary training data [76.3478675752847]
  深層表現学習は単眼の3次元ポーズ推定において顕著な精度を達成した。 本稿では,大量のトレーニングデータに対してスケーラブルな新しいデータ拡張手法を提案する。 本手法は,先行知識に触発された階層的人体表現と合成に基づいて,未知の3次元人体骨格を合成する。
  論文  参考訳（メタデータ） (2020-06-14T03:09:52Z)
• 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)

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。