論文の概要: Multi-HMR 2: Multi-Person Camera-Centric Human Detection, Mesh Recovery and Tracking

• arxiv url: http://arxiv.org/abs/2606.14841v1
• Date: Fri, 12 Jun 2026 17:23:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:32.340384
• Title: Multi-HMR 2: Multi-Person Camera-Centric Human Detection, Mesh Recovery and Tracking
• Title（参考訳）: マルチHMR 2:マルチパーソンカメラ中心型人検出,メッシュ回復と追跡
• Authors: Guénolé Fiche, Philippe Weinzaepfel, Romain Brégier, Fabien Baradel,
• Abstract要約: Multi-HMR 2は、マルチパーソンカメラ中心のヒューマン検出、メッシュ回復、トラッキングのためのシンプルだが堅牢なフレームワークである。 人間のメッシュとともにシーンに一貫性のあるカメラを予測し、地上構造なしでメートル法的な3Dローカライゼーションを可能にする。 最先端の骨盤中心の性能を実現し、検出精度とメートル法3Dローカライゼーションを大幅に改善する。
• 参考スコア（独自算出の注目度）: 22.72657001000076
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most advances in human mesh recovery (HMR) have focused on pelvis-centered recovery, overlooking metric 3D localization and detection accuracy in the camera coordinate system - two key factors for real-world applications such as human-robot interaction and social scene understanding. Current evaluation protocols often ignore these aspects, emphasizing per-person, root-centered recovery rather than camera-space perception. As a result, existing approaches rely on fixed camera assumptions or handcrafted post-processing, limiting their robustness and practical deployment. We introduce Multi-HMR 2, a simple yet robust DETR-based framework for Multi-person Camera-centric Human detection, mesh Recovery, and tracking. Multi-HMR 2 predicts a scene-consistent camera together with human meshes, enabling metric 3D localization without ground-truth intrinsics. Moreover, by distilling image-based memory features from SAM2, Multi-HMR 2 extends to tracking, achieving consistent identity association without video supervision. Despite its conceptual simplicity - no handcrafted components, no video input, and no ground-truth cameras - Multi-HMR 2 achieves state-of-the-art pelvis-centered performance while substantially improving detection accuracy and metric 3D localization.
• Abstract（参考訳）: ヒューマンメッシュリカバリ(HMR)のほとんどの進歩は、カメラ座標系におけるメートル法的な3D位置決めと検出精度を見越して、骨盤中心のリカバリに焦点を当てている。 現在の評価プロトコルはしばしばこれらの側面を無視し、カメラ空間の知覚よりも個人ごとのルート中心のリカバリを強調している。 その結果、既存のアプローチは、固定されたカメラの仮定や手作りの事後処理に依存し、堅牢性と実践的なデプロイメントを制限している。 我々は、マルチパーソンカメラ中心のヒューマン検出、メッシュ回復、トラッキングのための、シンプルだが堅牢なDETRベースのフレームワークであるMulti-HMR 2を紹介する。 マルチHMR2は、人間のメッシュとともにシーン一貫性カメラを予測し、地中構造を含まないメートル法3Dローカライゼーションを可能にする。 さらに、SAM2から画像ベースのメモリ特徴を抽出することにより、Multi-HMR 2はトラッキングにまで拡張し、ビデオの監督なしに一貫したアイデンティティアソシエーションを実現する。 概念的単純さとは裏腹に、手作りの部品は無く、ビデオ入力もカメラも無く、マルチHMR 2は最先端のペルヴィス中心のパフォーマンスを実現し、検出精度とメートル法3Dのローカライゼーションを大幅に改善した。

関連論文リスト

• Towards Geometry-Aware and Motion-Guided Video Human Mesh Recovery [60.51998732898099]
  HMRMambaは3Dヒューマンメッシュリカバリのための新しいパラダイムである。 構造状態空間モデル(Structured State Space Models)をその効率性と長距離モデリングに利用した先駆者である。 まず、新しいデュアルスキャンのMambaアーキテクチャを特徴とするGeometry-Aware Lifting Moduleについて述べる。
  論文  参考訳（メタデータ） (2026-01-29T08:05:02Z)
• Bring Your Rear Cameras for Egocentric 3D Human Pose Estimation [69.68568832269285]
  ヘッドマウントデバイス(HMD)の前に設置したカメラを用いて,エゴセントリックな3次元ポーズ推定を積極的に研究している。 自己閉塞性や視野範囲の制限により、フルボディトラッキングが同じであるかどうかは不明だ。 マルチビュー情報と熱マップの不確実性を用いて2次元関節熱マップ推定を改良するトランスフォーマーに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-03-14T17:59:54Z)
• Dyn-HaMR: Recovering 4D Interacting Hand Motion from a Dynamic Camera [49.82535393220003]
  Dyn-HaMRは、野生のダイナミックカメラで撮影されたモノクロビデオから4Dグローバルハンドモーションを再構築する最初のアプローチである。 提案手法は,4次元メッシュ・リカバリにおいて最先端の手法を著しく上回ることを示す。 これにより、動くカメラでモノクロビデオから手の動きを復元するための新しいベンチマークが確立される。
  論文  参考訳（メタデータ） (2024-12-17T12:43:10Z)
• Real-Time Human Pose Estimation on a Smart Walker using Convolutional Neural Networks [4.076099054649463]
  スマートウォーカのコンテキストにおける患者モニタリングとデータ駆動型ヒューマン・イン・ザ・ループ制御に対する新しいアプローチを提案する。 完全かつコンパクトなボディ表現を、リアルタイムおよび安価なセンサーから抽出することができる。 有望な結果にもかかわらず、現実のシナリオにおけるリハビリテーションツールとしてのパフォーマンスを評価するために、障害のあるユーザにより多くのデータを収集する必要がある。
  論文  参考訳（メタデータ） (2021-06-28T14:11:48Z)
• Exploring Severe Occlusion: Multi-Person 3D Pose Estimation with Gated Convolution [34.301501457959056]
  本稿では,2次元関節を3次元に変換するために,ゲート型畳み込みモジュールを用いた時間回帰ネットワークを提案する。 また, 正規化ポーズを大域軌跡に変換するために, 単純かつ効果的な局所化手法も実施した。 提案手法は,最先端の2D-to-3Dポーズ推定法よりも優れている。
  論文  参考訳（メタデータ） (2020-10-31T04:35:24Z)

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。