論文の概要: Age-Inclusive 3D Human Mesh Recovery for Action-Preserving Data Anonymization

• arxiv url: http://arxiv.org/abs/2512.05259v1
• Date: Thu, 04 Dec 2025 21:23:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.816657
• Title: Age-Inclusive 3D Human Mesh Recovery for Action-Preserving Data Anonymization
• Title（参考訳）: 行動保存データ匿名化のための年齢非包括的3次元メッシュ復元
• Authors: Georgios Chatzichristodoulou, Niki Efthymiou, Panagiotis Filntisis, Georgios Pavlakos, Petros Maragos,
• Abstract要約: AionHMRは3次元形状をブリッジし、推定領域ギャップを生じさせるよう設計された包括的なフレームワークである。 SMPL-Aボディーモデルを組み込んでトップパフォーマンスモデルを拡張する最適化手法を提案する。 そこで我々は,リアルタイムな3次元年齢非包括的人間の再構築が可能な,トランスフォーマーに基づくDeep Learningモデルを開発し,訓練した。
• 参考スコア（独自算出の注目度）: 30.818455306299455
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While three-dimensional (3D) shape and pose estimation is a highly researched area that has yielded significant advances, the resulting methods, despite performing well for the adult population, generally fail to generalize effectively to children and infants. This paper addresses this challenge by introducing AionHMR, a comprehensive framework designed to bridge this domain gap. We propose an optimization-based method that extends a top-performing model by incorporating the SMPL-A body model, enabling the concurrent and accurate modeling of adults, children, and infants. Leveraging this approach, we generated pseudo-ground-truth annotations for publicly available child and infant image databases. Using these new training data, we then developed and trained a specialized transformer-based deep learning model capable of real-time 3D age-inclusive human reconstruction. Extensive experiments demonstrate that our methods significantly improve shape and pose estimation for children and infants without compromising accuracy on adults. Importantly, our reconstructed meshes serve as privacy-preserving substitutes for raw images, retaining essential action, pose, and geometry information while enabling anonymized datasets release. As a demonstration, we introduce the 3D-BabyRobot dataset, a collection of action-preserving 3D reconstructions of children interacting with robots. This work bridges a crucial domain gap and establishes a foundation for inclusive, privacy-aware, and age-diverse 3D human modeling.
• Abstract（参考訳）: 3次元(3D)形状とポーズ推定は、大きな進歩をもたらした高度に研究された領域であるが、成体の個体群に対して良好に機能するにもかかわらず、一般的には子供や幼児に効果的に一般化することができない。 本稿では、このドメインギャップを埋めるために設計された包括的なフレームワークであるAionHMRを導入することで、この問題に対処する。 SMPL-Aボディーモデルを導入し,大人,子供,幼児の同時かつ正確なモデリングを可能にする最適化手法を提案する。 このアプローチを応用して,公立の小児画像データベースと幼児画像データベースに対して,擬似地下構造アノテーションを作成した。 これらの新たなトレーニングデータを用いて、リアルタイムな3次元年齢非包括的人間の再構築が可能なトランスフォーマーベースのディープラーニングモデルを開発し、訓練した。 以上の結果より, 幼児の体型や姿勢は, 成人の精度を損なうことなく有意に改善することが示唆された。 重要なことは、再構成されたメッシュは、生画像のプライバシ保護の代用として機能し、重要なアクション、ポーズ、幾何学情報を保持しながら、匿名化されたデータセットのリリースを可能にします。 実演として,ロボットと相互作用する子どもの行動保存型3D再構成の集合である3D-BabyRobotデータセットを紹介する。 この研究は重要なドメインギャップを埋め、包括的でプライバシーに配慮し、年齢の異なる3Dモデリングの基礎を確立する。

関連論文リスト

• Extending 3D body pose estimation for robotic-assistive therapies of autistic children [4.751886527142779]
  自閉症児を対象とした3次元ポーズ推定装置を開発した。 我々の手法は、この種のアプリケーションでは許容できる、0.3m$以下の誤差を持つ。 実際の設定では、提案モデルはKinectの奥行きカメラと同様に動作する。
  論文  参考訳（メタデータ） (2024-02-12T19:11:03Z)
• Efficient Domain Adaptation via Generative Prior for 3D Infant Pose Estimation [29.037799937729687]
  3Dの人間のポーズ推定は近年目覚ましい発展を遂げていますが、骨の長さが異なり、データも限られている幼児に焦点を当てた研究はごくわずかです。 本稿では,SyRIPデータセットで43.6mm,MINI-RGBDデータセットで21.2mmのMPJPE性能が得られることを示す。 また,本手法のZeDO-iは,少数のデータしか与えられなくても,効率的なドメイン適応が可能であることを証明した。
  論文  参考訳（メタデータ） (2023-11-17T20:49:37Z)
• 3D Reconstruction of Sculptures from Single Images via Unsupervised Domain Adaptation on Implicit Models [11.647208461719906]
  そこで本研究では,対象(彫刻)領域に対して,対象(現実世界の人間)からの1視点3次元暗黙的再構成モデルを適用するために,教師なしの3次元領域適応手法を提案する。 生成した形状を他の方法と比較し, 適応法の有効性を実証するために, アブレーション研究とユーザスタディを行った。
  論文  参考訳（メタデータ） (2022-10-09T13:48:00Z)
• 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)
• THUNDR: Transformer-based 3D HUmaN Reconstruction with Markers [67.8628917474705]
  THUNDRは、人の3Dポーズと形状を再構築するトランスフォーマーベースのディープニューラルネットワーク手法である。 完全教師付きモデルと自己教師型モデルの両方に対して,Human3.6Mと3DPWの最先端結果を示す。 野生で収集された難易度の高い人間のポーズに対して, 非常に堅固な3次元再構成性能を観察した。
  論文  参考訳（メタデータ） (2021-06-17T09:09:24Z)
• Invariant Representation Learning for Infant Pose Estimation with Small Data [14.91506452479778]
  合成乳児ポーズと合成乳幼児ポーズとを併用したハイブリッド合成乳幼児ポーズデータセットを作成した。 我々は,SyRIPデータセットでトレーニングしたモデルと同一ネットワーク構造を用いたアブレーション調査を行い,他の公立幼児ポーズデータセットでトレーニングしたモデルよりも顕著に改善したことを示した。 最新のDarkPoseモデルを用いた幼児のポーズ推定では、平均的精度(mAP)は93.6である。
  論文  参考訳（メタデータ） (2020-10-13T01:10:14Z)
• Multi-View Consistency Loss for Improved Single-Image 3D Reconstruction of Clothed People [36.30755368202957]
  本稿では,1枚の画像から3次元人物形状復元の精度を向上させるための新しい手法を提案する。 衣服、髪、体の大きさ、ポーズ、カメラの視点などによる形状の変化が大きいため、衣服の復元の正確さと完全性は限られている。
  論文  参考訳（メタデータ） (2020-09-29T17:18:00Z)
• Self-Supervised 3D Human Pose Estimation via Part Guided Novel Image Synthesis [72.34794624243281]
  ラベルのないビデオフレームからバリエーションを分離する自己教師付き学習フレームワークを提案する。 3Dポーズと空間部分マップの表現ギャップを埋める、微分可能な形式化により、多様なカメラの動きを持つビデオで操作できる。
  論文  参考訳（メタデータ） (2020-04-09T07:55:01Z)

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。