論文の概要: Pose-independent 3D Anthropometry from Sparse Data
- arxiv url: http://arxiv.org/abs/2501.06014v1
- Date: Fri, 10 Jan 2025 14:50:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-13 15:27:19.789406
- Title: Pose-independent 3D Anthropometry from Sparse Data
- Title（参考訳）: スパースデータからのポンポン非依存3次元人物計測
- Authors: David Bojanić, Stefanie Wuhrer, Tomislav Petković, Tomislav Pribanić,
- Abstract要約: 3Dデジタルマントメトリー(3D Digital anthropometry)は、3Dスキャンによる人体計測を推定する研究である。
測定プロトコルは、対象全体を静的なA位置で走査する。
提案手法は,標準A-目的の密度幾何を用いた競合手法と同等の結果が得られることを示す。
- 参考スコア（独自算出の注目度）: 1.7008985510992145
- License:
- Abstract: 3D digital anthropometry is the study of estimating human body measurements from 3D scans. Precise body measurements are important health indicators in the medical industry, and guiding factors in the fashion, ergonomic and entertainment industries. The measuring protocol consists of scanning the whole subject in the static A-pose, which is maintained without breathing or movement during the scanning process. However, the A-pose is not easy to maintain during the whole scanning process, which can last even up to a couple of minutes. This constraint affects the final quality of the scan, which in turn affects the accuracy of the estimated body measurements obtained from methods that rely on dense geometric data. Additionally, this constraint makes it impossible to develop a digital anthropometry method for subjects unable to assume the A-pose, such as those with injuries or disabilities. We propose a method that can obtain body measurements from sparse landmarks acquired in any pose. We make use of the sparse landmarks of the posed subject to create pose-independent features, and train a network to predict the body measurements as taken from the standard A-pose. We show that our method achieves comparable results to competing methods that use dense geometry in the standard A-pose, but has the capability of estimating the body measurements from any pose using sparse landmarks only. Finally, we address the lack of open-source 3D anthropometry methods by making our method available to the research community at https://github.com/DavidBoja/pose-independent-anthropometry.
- Abstract（参考訳）: 3Dデジタルマントメトリー(3D Digital anthropometry)は、3Dスキャンによる人体計測を推定する研究である。
正確な身体計測は、医療産業において重要な健康指標であり、ファッション、エルゴノミクス、エンターテイメント産業における要因となっている。
測定プロトコルは、被検体全体を静的なA位置で走査し、走査過程中に呼吸や運動をせずに維持する。
しかし、A-poseはスキャンプロセス全体においてメンテナンスが簡単ではないため、最大で数分間持続することができる。
この制約はスキャンの最終品質に影響を与え、結果として密度の濃い幾何学的データに依存する手法から得られた推定された身体計測の精度に影響を与える。
さらに、この制約により、負傷者や障害者など、A目的を想定できない被験者のためのデジタルマントメトリー法の開発が不可能になる。
任意のポーズで得られたスパースランドマークから身体計測値を得る方法を提案する。
我々は,ポーズに依存しない特徴を生み出すために,ポーズ対象のスパースランドマークを利用し,標準A位置から得られる身体計測の予測のためにネットワークを訓練する。
提案手法は,標準A位置における密度幾何を用いた競合手法に匹敵する結果を得るが,スパースランドマークのみを用いた任意のポーズから身体計測を推定する能力を有することを示す。
最後に,オープンソースの3次元人文計測手法の欠如に対処し,この手法を研究コミュニティのhttps://github.com/DavidBoja/pose-independent-anthropometryで利用できるようにする。
関連論文リスト
- 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) - Anatomy-guided domain adaptation for 3D in-bed human pose estimation [62.3463429269385]
3次元人間のポーズ推定は臨床モニタリングシステムにおいて重要な要素である。
ラベル付きソースからシフトしたラベル付きターゲットドメインにモデルを適応させる新しいドメイン適応方式を提案する。
我々の手法は、様々な最先端のドメイン適応法より一貫して優れています。
論文 参考訳（メタデータ） (2022-11-22T11:34:51Z) - Accurate 3D Body Shape Regression using Metric and Semantic Attributes [55.58629009876271]
画像からの3次元身体形状の回帰は、人文計測や言語的形状特性から訓練できることを示す。
これは、画像から3次元の身体形状の回帰を、容易に測定できる人文計測と言語的形状特性から訓練できる最初の実演である。
論文 参考訳（メタデータ） (2022-06-14T17:54:49Z) - Automatic Estimation of Anthropometric Human Body Measurements [0.0]
本稿では,深層学習とニューラルネットワークの分野における研究を定式化し,様々な視覚的入力データから身体計測の課題に取り組む。
また, 各種人体形状の合成データセットを作成することにより, トレーニングや評価に要する地上の真理体計測に注釈を付ける実際の人体データの欠如にも対処する。
論文 参考訳（メタデータ） (2021-12-22T16:13:59Z) - Probabilistic Estimation of 3D Human Shape and Pose with a Semantic
Local Parametric Model [25.647676661390282]
本稿では,RGB画像からの3次元人体形状とポーズ推定の問題に対処する。
本研究では,局所的な身体形状の分布を意味的身体計測の形で予測する手法を提案する。
本手法は,身元依存の身体形状推定精度において,現在の最先端技術よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-11-30T13:50:45Z) - A Neural Anthropometer Learning from Body Dimensions Computed on Human
3D Meshes [0.0]
本稿では,3次元メッシュの左右腕長,肩幅,切削高さ(クロッチ高さ)を,医療・バーチャル・トライオン・距離調整への応用に焦点をあてて算出する手法を提案する。
一方、最近発表された手法を用いて計算された4つの追加の体次元を用いて、8つの体次元の集合を組み立て、これら次元を推定できる畳み込みニューラルネットワークであるニューラル・アントロポメータの監視信号として使用する。
論文 参考訳（メタデータ） (2021-10-06T12:56:05Z) - Detailed Avatar Recovery from Single Image [50.82102098057822]
本稿では,単一画像からエンフデテールアバターを回収するための新しい枠組みを提案する。
階層的メッシュ変形フレームワークでは、ディープニューラルネットワークを使用して3次元形状を洗練しています。
本手法は,皮膚モデルを超えて,完全なテクスチャで詳細な人体形状を復元することができる。
論文 参考訳（メタデータ） (2021-08-06T03:51:26Z) - 3D Human Body Reshaping with Anthropometric Modeling [59.51820187982793]
人間測定パラメータから正確で現実的な3D人体を再構築することは、個人識別、オンラインショッピング、仮想現実のための基本的な課題です。
このような3d形状を作る既存のアプローチは、レンジカメラやハイエンドスキャナーによる複雑な測定に苦しむことが多い。
本稿では,各ファセットに対する自動人為的パラメータモデリングを可能にする,特徴選択に基づく局所マッピング手法を提案する。
論文 参考訳（メタデータ） (2021-04-05T04:09:39Z) - 3D Multi-bodies: Fitting Sets of Plausible 3D Human Models to Ambiguous
Image Data [77.57798334776353]
単眼・部分閉塞視からヒトの高密度3次元再構成を実現することの問題点を考察する。
身体の形状やポーズをパラメータ化することで、あいまいさをより効果的にモデル化できることを示唆する。
提案手法は, 3次元人間の標準ベンチマークにおいて, あいまいなポーズ回復において, 代替手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-11-02T13:55:31Z) - MeTRAbs: Metric-Scale Truncation-Robust Heatmaps for Absolute 3D Human
Pose Estimation [16.463390330757132]
画像空間に整列するのではなく,次元がすべてメートル法3次元空間で定義される,メートル法スケール・トランケーション・ロバスト(MeTRo)体積熱マップを提案する。
この熱マップ次元の再解釈により、距離に関するテストタイム知識や骨の長さなどの人文計測に頼らずに、完全な計量スケールのポーズを直接推定することができる。
絶対的なポーズ損失による監督は、正確な非ルート相対的な位置決めには不可欠である。
論文 参考訳（メタデータ） (2020-07-12T11:52:09Z)
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。