論文の概要: 3D Human Pose and Shape Estimation from LiDAR Point Clouds: A Review
- arxiv url: http://arxiv.org/abs/2509.12197v1
- Date: Mon, 15 Sep 2025 17:56:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 17:26:23.44494
- Title: 3D Human Pose and Shape Estimation from LiDAR Point Clouds: A Review
- Title（参考訳）: LiDAR点雲からの3次元人物姿勢と形状推定
- Authors: Salma Galaaoui, Eduardo Valle, David Picard, Nermin Samet,
- Abstract要約: 本報告では,LiDAR点雲からの3次元姿勢推定と人間のメッシュ回復について概説する。
本稿では,これらの手法を分類し,それぞれの手法の強み,限界,設計選択を解析するための構造的分類法を提案する。
我々は,LiDARに基づく3D人間の理解を促進する上で重要な課題と研究の方向性を概説する。
- 参考スコア（独自算出の注目度）: 17.976933696702247
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a comprehensive review of 3D human pose estimation and human mesh recovery from in-the-wild LiDAR point clouds. We compare existing approaches across several key dimensions, and propose a structured taxonomy to classify these methods. Following this taxonomy, we analyze each method's strengths, limitations, and design choices. In addition, (i) we perform a quantitative comparison of the three most widely used datasets, detailing their characteristics; (ii) we compile unified definitions of all evaluation metrics; and (iii) we establish benchmark tables for both tasks on these datasets to enable fair comparisons and promote progress in the field. We also outline open challenges and research directions critical for advancing LiDAR-based 3D human understanding. Moreover, we maintain an accompanying webpage that organizes papers according to our taxonomy and continuously update it with new studies: https://github.com/valeoai/3D-Human-Pose-Shape-Estimation-from-LiDAR
- Abstract（参考訳）: 本稿では,LiDAR点雲からの3次元ポーズ推定と人間のメッシュ復元について概説する。
提案手法は,いくつかの重要な側面にまたがって既存のアプローチを比較し,これらの手法を分類するための構造的分類法を提案する。
この分類法に従って,各手法の強み,限界,設計選択を分析した。
また、
(i)最も広く使われている3つのデータセットを定量的に比較し、その特徴を詳述する。
(二)すべての評価指標の統一的な定義をコンパイルし、
3) 両タスクのベンチマークテーブルをこれらのデータセット上に構築し, 公平な比較を可能にし, フィールドの進展を促進する。
また,LiDARに基づく3次元人間の理解を促進する上で重要な課題と研究の方向性について概説する。
さらに、我々は、我々の分類に従って論文を整理し、新しい研究で継続的に更新する、付随するWebページを維持している。
関連論文リスト
- 3D and 4D World Modeling: A Survey [104.20852751473392]
世界モデリングはAI研究の基盤となり、エージェントが住んでいる動的な環境を理解し、表現し、予測することができるようになった。
我々は、ビデオベース(VideoGen)、占領ベース(OccGen)、LiDARベース(LiDARGen)のアプローチにまたがる構造的分類法を導入する。
実践的応用について議論し、オープン課題を特定し、有望な研究方向性を明らかにする。
論文 参考訳（メタデータ） (2025-09-04T17:59:58Z) - Advancing 3D Point Cloud Understanding through Deep Transfer Learning: A Comprehensive Survey [3.929140365559557]
本稿では,ディープラーニング(DTL)とドメイン適応(DA)を用いた最新の3DPC理解手法について概観する。
本稿では,3DPCオブジェクト検出,セマンティックラベリング,セグメンテーション,分類,登録,ダウンサンプリング/アップサンプリング,デノナイズなど,さまざまな応用について述べる。
論文 参考訳（メタデータ） (2024-07-25T08:47:27Z) - SPOT: Scalable 3D Pre-training via Occupancy Prediction for Learning Transferable 3D Representations [76.45009891152178]
トレーニング-ファインタニングアプローチは、さまざまな下流データセットとタスクをまたいだトレーニング済みのバックボーンを微調整することで、ラベル付けの負担を軽減することができる。
本稿では, 一般表現学習が, 占領予測のタスクを通じて達成できることを, 初めて示す。
本研究は,LiDAR 点の理解を促進するとともに,LiDAR の事前訓練における今後の進歩の道を開くことを目的とする。
論文 参考訳（メタデータ） (2023-09-19T11:13:01Z) - Point Cloud Registration for LiDAR and Photogrammetric Data: a Critical
Synthesis and Performance Analysis on Classic and Deep Learning Algorithms [7.874736360019618]
本稿では,SOTA(State-of-the-art)ポイントクラウド登録手法について概観する。
本研究では,屋内から衛星まで多様な点雲データを用いて,これらの手法を解析・評価する。
古典的な手作り、ディープラーニングに基づく特徴対応、堅牢なC2C手法を含む10以上の手法が試験された。
論文 参考訳（メタデータ） (2023-02-14T16:52:26Z) - OccAM's Laser: Occlusion-based Attribution Maps for 3D Object Detectors
on LiDAR Data [8.486063950768694]
本稿では,LiDAR点雲における3次元物体検出のための属性マップを生成する手法を提案する。
これらのマップは、特定のオブジェクトを予測する上で、各3Dポイントの重要性を示している。
本稿では,属性マップの詳細な評価を行い,それらが解釈可能かつ高情報であることを示す。
論文 参考訳（メタデータ） (2022-04-13T18:00:30Z) - Recovering 3D Human Mesh from Monocular Images: A Survey [49.00136388529404]
単眼画像から人間のポーズと形状を推定することは、コンピュータビジョンにおける長年の問題である。
本調査は, 単分子型3次元メッシュ回収の課題に焦点を当てた。
論文 参考訳（メタデータ） (2022-03-03T18:56:08Z)
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。