Fugu-MT 論文翻訳(概要): MEOM: Multi-View Expected-OKS Maximization for Human Pose Triangulation

論文の概要: MEOM: Multi-View Expected-OKS Maximization for Human Pose Triangulation

arxiv url: http://arxiv.org/abs/2608.30521v1
Date: Mon, 31 Aug 2026 09:54:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-01 18:31:31.337104
Title: MEOM: Multi-View Expected-OKS Maximization for Human Pose Triangulation
Title（参考訳）: MEOM: 人間の姿勢三角測量のためのマルチビュー期待OKS最大化
Abstract要約: 従来の三角測量は、多視点2Dキーポイントから3次元人間のポーズ推定を解く。私たちは、ヒートマップ全体を使用して、より正確に3Dのポーズを推定しようとします。新たな目的であるMulti-viewExpected-OKS Maximization(MEOM)を導入する。
参考スコア（独自算出の注目度）: 4.965266259319458
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Conventional algebraic triangulation solves 3D human pose estimation (HPE) from multi-view 2D keypoints. The typical approach, decoding 2D keypoints from predicted heatmaps, is unreliable as heatmaps can be multimodal under occlusion, and collapsing them into single peaks discards their spatial distribution. We seek to use the entire heatmap to estimate 3D poses more accurately, which requires solving two problems: how to robustly fuse heatmaps across views, and how to assess the reliability of heatmaps. For the former, we introduce a novel objective, Multi-viewExpected-OKS Maximization (MEOM), that locates a 3D joint where the views agree in probability mass. For the latter, we adopt highest-density-region (HDR) calibration as a diagnostic of that mass, independently of distance-based metrics. The proposed framework covers two settings, with and without 3D supervision. Without 3D supervision, we optimize 3D poses from pretrained heatmap predictors by maximizing MEOM, achieving comparable performance with state-of-the-art methods that rely on larger backbones, temporal fusion, and simulated 3D data. On ambiguous Human3.6M (H36MA) and occluded CMU Panoptic frames, the advantage is substantial. When 3D labels are available, we train the model end-to-end with a combined MEOM and MSE loss, achieving 19.11 mm absolute MPJPE on Human3.6M outperforming the state-of-the-art volumetric approach on absolute MPJPE at half the inference cost.
Abstract（参考訳）: 従来の代数的三角測量は、多視点2Dキーポイントから3次元人間のポーズ推定(HPE)を解く。予測された熱マップから2Dキーポイントを復号する典型的なアプローチは、熱マップは隠蔽下でマルチモーダルであり、それらを単一のピークに分解することで空間分布を破棄できるため、信頼性が低い。我々は、ヒートマップ全体を使用して3Dのポーズをより正確に推定し、ビュー間でヒートマップを堅牢に融合する方法と、ヒートマップの信頼性を評価する方法の2つの問題を解決する必要がある。前者に対しては,多視点OKS最大化(Multi-viewExpected-OKS Maximization,MEOM)を提案する。後者では、距離に基づく測定値とは独立に、その質量の診断として、高密度領域(HDR)キャリブレーションを採用する。提案するフレームワークは,3D監視と不要の2つの設定を対象とする。 3Dの監督がなければ,MEOMを最大化して事前学習したヒートマップ予測器からの3Dポーズを最適化し,より大きなバックボーンや時間融合,シミュレーションされた3Dデータに依存する最先端の手法で同等のパフォーマンスを実現する。あいまいなHuman3.6M(H36MA)と隠蔽されたCMUパノプティクスフレームでは、大きな利点がある。 3Dラベルが利用可能になったとき、我々はMEOMとMSEの損失を組み合わせたモデルエンドツーエンドのトレーニングを行い、Human3.6Mで19.11mmの絶対MPJPEを達成し、推定コストの半分で絶対MPJPEに対する最先端のボリュームアプローチより優れている。

関連論文リスト

PandaPose: 3D Human Pose Lifting from a Single Image via Propagating 2D Pose Prior to 3D Anchor Space [62.10630827126755]
PandaPoseは3次元アンカー空間の前に2次元ポーズを伝播させることによって3次元のポーズリフトアプローチである。われわれの3Dアンカー空間は、(1)標準座標系における関節回りの3Dアンカーから成り、2Dポーズ推定の不正確さを軽減するための正確で堅牢な事前情報を提供する。
論文参考訳（メタデータ） (2026-02-01T08:20:40Z)
UPose3D: Uncertainty-Aware 3D Human Pose Estimation with Cross-View and Temporal Cues [55.69339788566899]
UPose3Dは多視点人間のポーズ推定のための新しいアプローチである。直接的な3Dアノテーションを必要とせずに、堅牢性と柔軟性を向上させる。
論文参考訳（メタデータ） (2024-04-23T00:18:00Z)
Diffusion-Based 3D Human Pose Estimation with Multi-Hypothesis Aggregation [64.874000550443]
ジョイントワイズ・リジェクション・ベース・マルチハイブリッド・アグリゲーション(JPMA)を用いた拡散型3次元ポス推定法を提案する。提案したJPMAは,D3DPが生成する複数の仮説を1つの3次元ポーズにまとめて実用的に利用する。提案手法は, 最先端の決定論的アプローチと確率論的アプローチをそれぞれ1.5%, 8.9%上回った。
論文参考訳（メタデータ） (2023-03-21T04:00:47Z)
DiffuPose: Monocular 3D Human Pose Estimation via Denoising Diffusion Probabilistic Model [25.223801390996435]
本稿では,1つの2次元キーポイント検出から3次元ポーズを再構築することに焦点を当てた。我々は,市販の2D検出器から多種多様な3Dポーズを効果的にサンプリングするための,拡散に基づく新しいフレームワークを構築した。我々は,広く採用されているHuman3.6MとHumanEva-Iデータセットについて評価を行った。
論文参考訳（メタデータ） (2022-12-06T07:22:20Z)
Shape-aware Multi-Person Pose Estimation from Multi-View Images [47.13919147134315]
提案した粗大なパイプラインは、まず複数のカメラビューからノイズの多い2次元の観測結果を3次元空間に集約する。最終的なポーズ推定は、高信頼度多視点2次元観測と3次元関節候補をリンクする新しい最適化スキームから得られる。
論文参考訳（メタデータ） (2021-10-05T20:04:21Z)
Probabilistic Monocular 3D Human Pose Estimation with Normalizing Flows [24.0966076588569]
本稿では,不明瞭な逆2D-to-3D問題を解くために,決定論的3D-to-2Dマッピングを利用する正規化フローベース手法を提案する。我々は、Human3.6MとMPI-INF-3DHPの2つのベンチマークデータセットに対するアプローチを評価し、ほとんどの指標において同等の手法を上回りました。
論文参考訳（メタデータ） (2021-07-29T07:33:14Z)
Synthetic Training for Monocular Human Mesh Recovery [100.38109761268639]
本稿では,RGB画像と大規模に異なる複数の身体部位の3次元メッシュを推定することを目的とする。主な課題は、2D画像のすべての身体部分の3Dアノテーションを完備するトレーニングデータがないことである。本稿では,D2S(Deep-to-scale)投影法を提案する。
論文参考訳（メタデータ） (2020-10-27T03:31:35Z)
Multi-person 3D Pose Estimation in Crowded Scenes Based on Multi-View Geometry [62.29762409558553]
マルチパーソナライズされた3次元ポーズ推定手法における特徴マッチングと深さ推定のコアは、エピポーラ制約である。スパサーの群衆シーンにおけるこの定式化の良好なパフォーマンスにもかかわらず、その効果はより密集した群衆の状況下でしばしば挑戦される。本稿では,マルチパーソン3次元ポーズ推定式から脱却し,群衆ポーズ推定として再編成する。
論文参考訳（メタデータ） (2020-07-21T17:59:36Z)
MeTRAbs: Metric-Scale Truncation-Robust Heatmaps for Absolute 3D Human Pose Estimation [16.463390330757132]
画像空間に整列するのではなく,次元がすべてメートル法3次元空間で定義される,メートル法スケール・トランケーション・ロバスト(MeTRo)体積熱マップを提案する。この熱マップ次元の再解釈により、距離に関するテストタイム知識や骨の長さなどの人文計測に頼らずに、完全な計量スケールのポーズを直接推定することができる。絶対的なポーズ損失による監督は、正確な非ルート相対的な位置決めには不可欠である。
論文参考訳（メタデータ） (2020-07-12T11:52:09Z)
Fusing Wearable IMUs with Multi-View Images for Human Pose Estimation: A Geometric Approach [76.10879433430466]
多視点画像と人手足に装着したIMUから3次元人間のポーズを推定する。まず2つの信号から2Dのポーズを検出し、3D空間に持ち上げる。単純な2段階のアプローチは、公開データセット上の大きなマージンによる最先端のエラーを低減する。
論文参考訳（メタデータ） (2020-03-25T00:26:54Z)
Metric-Scale Truncation-Robust Heatmaps for 3D Human Pose Estimation [16.463390330757132]
被検体近傍の計量3次元空間で次元が定義される計量スケールトランケーション・ローバスト体積熱マップを提案する。我々は、モノラルなRGBからその熱マップをエンドツーエンドに推定するために、完全な畳み込みネットワークを訓練する。提案手法は単純かつ高速であるため,リアルタイムなトップダウンマルチパーソンポーズ推定システムにおいて有用なコンポーネントとなる。
論文参考訳（メタデータ） (2020-03-05T22:38:13Z)

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。