論文の概要: AJAHR: Amputated Joint Aware 3D Human Mesh Recovery

• arxiv url: http://arxiv.org/abs/2509.19939v1
• Date: Wed, 24 Sep 2025 09:46:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.764023
• Title: AJAHR: Amputated Joint Aware 3D Human Mesh Recovery
• Title（参考訳）: AJAHR:人間のメッシュを3Dで修復
• Authors: Hyunjin Cho, Giyun Choi, Jongwon Choi,
• Abstract要約: 既存の人間のメッシュ回復法は標準的な人体構造を前提としており、手足の喪失のような多様な解剖学的状態を見渡せる。 適応的なポーズ推定フレームワークであるAJAHR(Amputated Joint Aware 3D Human Mesh Recovery)を提案する。 本モデルでは,メッシュリカバリネットワークと共同でトレーニングした身体部分切断を統合して,潜在的な切断を検出する。
• 参考スコア（独自算出の注目度）: 10.780774284223467
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing human mesh recovery methods assume a standard human body structure, overlooking diverse anatomical conditions such as limb loss. This assumption introduces bias when applied to individuals with amputations - a limitation further exacerbated by the scarcity of suitable datasets. To address this gap, we propose Amputated Joint Aware 3D Human Mesh Recovery (AJAHR), which is an adaptive pose estimation framework that improves mesh reconstruction for individuals with limb loss. Our model integrates a body-part amputation classifier, jointly trained with the mesh recovery network, to detect potential amputations. We also introduce Amputee 3D (A3D), which is a synthetic dataset offering a wide range of amputee poses for robust training. While maintaining competitive performance on non-amputees, our approach achieves state-of-the-art results for amputated individuals. Additional materials can be found at the project webpage.
• Abstract（参考訳）: 既存の人間のメッシュ回復法は標準的な人体構造を前提としており、手足の喪失のような多様な解剖学的状態を見渡せる。 この仮定は、修正された個人に適用された際のバイアスを生じさせ、適切なデータセットの不足によってさらに悪化する制限である。 このギャップに対処するため,手足喪失者のメッシュ再構築を改善する適応的なポーズ推定フレームワークであるAJAHR(Amputated Joint Aware 3D Human Mesh Recovery)を提案する。 本モデルでは,メッシュリカバリネットワークと共同でトレーニングした身体部分切断分類器を統合し,潜在的な切断を検出する。 またAmputee 3D(A3D)についても紹介する。 提案手法は,非切断者に対する競争性能を維持しながら,切断者に対する最先端の結果を達成する。 追加資料はプロジェクトのWebページにある。

関連論文リスト

• BLAPose: Enhancing 3D Human Pose Estimation with Bone Length Adjustment [4.181969992118842]
  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。
  論文  参考訳（メタデータ） (2024-10-28T04:50:27Z)
• AiOS: All-in-One-Stage Expressive Human Pose and Shape Estimation [55.179287851188036]
  人間のポーズと形状の復元のための新しいオールインワンステージフレームワークであるAiOSを、追加の人間検出ステップなしで導入する。 まず、画像中の人間の位置を探索し、各インスタンスのグローバルな機能をエンコードするために、人間のトークンを使用します。 そして、画像中の人間の関節を探索し、きめ細かい局所的特徴を符号化するジョイント関連トークンを導入する。
  論文  参考訳（メタデータ） (2024-03-26T17:59:23Z)
• 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)
• 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)
• Learning Transferable Kinematic Dictionary for 3D Human Pose and Shape Reconstruction [15.586347115568973]
  ヒト関節の3次元回転の解空間を明示的に正規化するキネマティック辞書を提案する。 ニューラルネットワークのトレーニング中にシェイプアノテーションを使わずに,エンドツーエンドの3D再構築を実現する。 提案手法は、Human3.6M, MPI-INF-3DHP, LSPなどの大規模データセットの競合結果を得る。
  論文  参考訳（メタデータ） (2021-04-02T09:24:29Z)
• 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)
• Neural Descent for Visual 3D Human Pose and Shape [67.01050349629053]
  入力RGB画像から3次元のポーズと形状を復元するディープニューラルネットワーク手法を提案する。 我々は最近導入された表現力のあるボディ統計モデルGHUMに頼っている。 我々の方法論の中心は、HUmanNeural Descent (HUND)と呼ばれるアプローチの学習と最適化である。
  論文  参考訳（メタデータ） (2020-08-16T13:38:41Z)
• 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。