論文の概要: Monocular Models are Strong Learners for Multi-View Human Mesh Recovery

• arxiv url: http://arxiv.org/abs/2603.20391v1
• Date: Fri, 20 Mar 2026 18:10:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.882528
• Title: Monocular Models are Strong Learners for Multi-View Human Mesh Recovery
• Title（参考訳）: 多視点ヒューマンメッシュ回復のための一眼レフモデル
• Authors: Haoyu Xie, Shengkai Xu, Cheng Guo, Muhammad Usama Saleem, Wenhan Wu, Chen Chen, Ahmed Helmy, Pu Wang, Hongfei Xue,
• Abstract要約: マルチビュー・ヒューマンメッシュ・リカバリ(HMR)は、高い精度と強力な一般化が不可欠である多様な領域に広く展開されている。 既存のアプローチは、幾何学的および学習的手法に大別できる。 本稿では,事前学習した単一視点HMRモデルを強力な先行モデルとして活用し,マルチビュー学習データの必要性を解消する学習自由フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 19.66264380616788
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-view human mesh recovery (HMR) is broadly deployed in diverse domains where high accuracy and strong generalization are essential. Existing approaches can be broadly grouped into geometry-based and learning-based methods. However, geometry-based methods (e.g., triangulation) rely on cumbersome camera calibration, while learning-based approaches often generalize poorly to unseen camera configurations due to the lack of multi-view training data, limiting their performance in real-world scenarios. To enable calibration-free reconstruction that generalizes to arbitrary camera setups, we propose a training-free framework that leverages pretrained single-view HMR models as strong priors, eliminating the need for multi-view training data. Our method first constructs a robust and consistent multi-view initialization from single-view predictions, and then refines it via test-time optimization guided by multi-view consistency and anatomical constraints. Extensive experiments demonstrate state-of-the-art performance on standard benchmarks, surpassing multi-view models trained with explicit multi-view supervision.
• Abstract（参考訳）: マルチビュー・ヒューマンメッシュ・リカバリ(HMR)は、高い精度と強力な一般化が不可欠である多様な領域に広く展開されている。 既存のアプローチは、幾何学的および学習的手法に大別できる。 しかし、幾何に基づく手法(例えば三角測量)は難易度の高いカメラキャリブレーションに依存し、学習に基づくアプローチは、マルチビューのトレーニングデータが欠如しており、実際のシナリオでの性能が制限されるため、見えないカメラ構成によく一般化する。 任意のカメラ設定に一般化するキャリブレーションのない再構成を可能にするために,事前学習した単一視野HMRモデルを強力な先行モデルとして活用し,マルチビューのトレーニングデータを必要としないトレーニングフリーフレームワークを提案する。 提案手法は,まず単視点予測から頑健で一貫した多視点初期化を構築し,その後,多視点整合性および解剖学的制約によって導かれるテスト時間最適化により改良する。 大規模な実験では、標準的なベンチマークで最先端のパフォーマンスを示し、明示的なマルチビュー監視で訓練されたマルチビューモデルを上回っている。

関連論文リスト

• ERNIE 5.0 Technical Report [244.36480708815316]
  ERNIE 5.0は、テキスト、画像、ビデオ、オーディオをまたいだ統合されたマルチモーダル理解と生成のための統合された自己回帰基盤モデルである。 ERNIE 5.0は、多様なリソース制約下での大規模デプロイメントの実践的な課題に対処するため、新しい弾力性トレーニングパラダイムを採用している。 ERNIE 5.0は、複数のモードで強い、バランスの取れた性能を実現する。
  論文  参考訳（メタデータ） (2026-02-04T16:18:15Z)
• Twin Restricted Kernel Machines for Multiview Classification [10.208788616684162]
  マルチビュー学習(MVL)は、複数の視点や視点から補完的な情報を活用することにより、一般化性能を向上させることに焦点を当てる。 本稿では、カーネルマシンの強みをマルチビューフレームワークに統合する新しいモデルであるマルチビューツイン制限カーネルマシン(TMvRKM)を紹介する。 提案したTMvRKMモデルは、UCI、KEEL、AwAベンチマークデータセットで厳格にテストされている。
  論文  参考訳（メタデータ） (2025-12-12T03:54:19Z)
• Visual Odometry with Transformers [68.453547770334]
  特徴抽出により単眼フレームのシーケンスを処理するビジュアル・オドメトリ・トランスフォーマ(VoT)を導入する。 従来の方法とは異なり、VoTは密度の高い幾何学を推定することなくカメラの動きを直接予測し、監視のためにカメラのポーズのみに依存する。 VoTは、より大きなデータセットで効果的にスケールし、より強力なトレーニング済みバックボーンの恩恵を受け、多様なカメラモーションとキャリブレーション設定を一般化し、従来のメソッドよりも3倍以上高速に動作しながらパフォーマンスを向上する。
  論文  参考訳（メタデータ） (2025-10-02T17:00:14Z)
• Domain Generalization for Mammographic Image Analysis with Contrastive Learning [62.25104935889111]
  効果的なディープラーニングモデルのトレーニングには、さまざまなスタイルと品質を備えた大規模なデータが必要である。 より優れたスタイルの一般化能力を備えた深層学習モデルを実現するために,新しいコントラスト学習法が開発された。 提案手法は,様々なベンダスタイルドメインのマンモグラムや,いくつかのパブリックデータセットを用いて,広範囲かつ厳密に評価されている。
  論文  参考訳（メタデータ） (2023-04-20T11:40:21Z)
• Adaptive adversarial training method for improving multi-scale GAN based on generalization bound theory [14.562893624131531]
  本稿では、特定のモデルのトレーニング解析にPAC-Bayes一般化境界理論を導入することを先導した。 我々は,マルチスケールGANの画像操作能力を大幅に向上させる適応的学習法を提案する。 特に,画像超解像復元作業において,提案手法により訓練されたマルチスケールGANモデルは,自然画像品質評価器(NIQE)の100%削減,根平均二乗誤差(RMSE)の60%削減を実現している。
  論文  参考訳（メタデータ） (2022-11-30T07:11:56Z)
• Towards All-in-one Pre-training via Maximizing Multi-modal Mutual Information [77.80071279597665]
  マルチモーダル相互情報事前学習(M3I事前学習)を最大化するオールインワン単段階事前学習手法を提案する。 提案手法は,ImageNet分類,オブジェクト検出,LVIS長鎖オブジェクト検出,ADE20kセマンティックセマンティックセマンティックセマンティクスなど,様々なビジョンベンチマークにおける事前学習手法よりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-11-17T18:59:49Z)
• A Unifying Multi-sampling-ratio CS-MRI Framework With Two-grid-cycle Correction and Geometric Prior Distillation [7.643154460109723]
  本稿では,モデルベースと深層学習に基づく手法の利点を融合して,深層展開型マルチサンプリング比CS-MRIフレームワークを提案する。 マルチグリッドアルゴリズムにインスパイアされ、まずCS-MRIに基づく最適化アルゴリズムを補正蒸留方式に組み込む。 各段の圧縮サンプリング比から適応的なステップ長と雑音レベルを学習するために条件モジュールを用いる。
  論文  参考訳（メタデータ） (2022-05-14T13:36:27Z)
• Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints [80.60538408386016]
  連続するフレームから相対的なカメラのポーズを推定することは、視覚計測の基本的な問題である。 本稿では,検出,特徴抽出,マッチング,外乱除去のための学習可能なモジュールで構成されるエンドツーエンドのトレーニング可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-29T21:41:31Z)

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。