論文の概要: MetricPose: Flexible 3D Human Pose Estimation with Depth and Geometric Cues
- arxiv url: http://arxiv.org/abs/2611.08954v1
- Date: Fri, 06 Nov 2026 04:03:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-09 22:29:06.79308
- Title: MetricPose: Flexible 3D Human Pose Estimation with Depth and Geometric Cues
- Title(参考訳): MetricPose:深度と幾何学的クイズを用いたフレキシブルな3次元人物位置推定
- Abstract要約: モノクル画像では、視野投影により体の大きさとカメラ距離が結合される。
我々は、任意のメートル法深度と幾何処理モジュールで事前訓練された全体推定器を拡張する。
結果として得られた統一モデルは、共有学習パラメータを使用して、RGB、RGB-Ground、RGB-Dをサポートする。
- 参考スコア(独自算出の注目度): 8.021914349161891
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a 3D human pose estimator that predicts metrically accurate human joint positions in the camera coordinate frame. This task requires recovering the configuration of the body joints, scale, and metric camera-local placement. In monocular images, body size and camera distance are coupled through perspective projection and therefore cannot be determined uniquely from image alone. This ambiguity can be reduced by combining three complementary sources of information: learned RGB priors, direct depth measurements, and geometric constraints (e.g., ground contact) from the environment. We extend a pretrained full-body estimator with optional metric depth and geometry-processing modules that improve camera-distance estimation and depth-guided body refinement while preserving RGB-only operation. The resulting unified model supports RGB, RGB-Ground, and RGB-D using shared learned parameters. Unlike pelvis-relative error, camera-local error also measures placement relative to the camera. Compared with the existing foundation model SAM 3D Body, our methods with RGB, RGB-Ground, and RGB-D modes reduce camera-local joint-position error by 12.16%, 31.00% and 54.61% respectively.
- Abstract(参考訳): 本稿では,カメラ座標フレームにおける人間の関節位置を定量的に予測する3次元ポーズ推定器を提案する。
このタスクは、ボディジョイント、スケール、およびメートル法カメラ局所配置の設定を回復する必要がある。
単眼画像では、体の大きさとカメラ距離は視点投影によって結合されるため、画像のみから一意に決定することはできない。
この曖昧さは、学習されたRGB事前情報、直接深度測定、および環境からの幾何学的制約(例えば接地)の3つの相補的な情報源を組み合わせることで低減することができる。
我々は、RGBのみの操作を保ちながら、カメラ距離推定と深度誘導体改良を改善するため、オプションのメートル法深度と幾何処理モジュールを備えたトレーニング済み全体推定器を拡張した。
結果として得られた統一モデルは、共有学習パラメータを使用して、RGB、RGB-Ground、RGB-Dをサポートする。
骨盤相対誤差とは異なり、カメラ局所誤差はカメラに対する位置も測定する。
既存の基礎モデルSAM 3D Bodyと比較して、RGB、RGB-Ground、RGB-Dモードの手法は、カメラ局所の関節位置誤差をそれぞれ12.16%、31.00%、54.61%削減する。
関連論文リスト
- RIDE: Relocalization-Informed Depth Estimation with 3D Gaussian Splatting [20.29273985020268]
本稿では,ロボットのRGBマップから深度を推定するRIDEを提案する。
実験では、深度精度が向上し、時間的整合性尺度のみの校正が可能になった。
論文 参考訳(メタデータ) (2026-09-10T04:36:58Z) - RGB-based Category-level Object Pose Estimation via Decoupled Metric
Scale Recovery [72.13154206106259]
本研究では、6次元のポーズとサイズ推定を分離し、不完全なスケールが剛性変換に与える影響を緩和するパイプラインを提案する。
具体的には,事前学習した単分子推定器を用いて局所的な幾何学的情報を抽出する。
別個のブランチは、カテゴリレベルの統計に基づいてオブジェクトのメートル法スケールを直接復元するように設計されている。
論文 参考訳(メタデータ) (2023-09-19T02:20:26Z) - Zolly: Zoom Focal Length Correctly for Perspective-Distorted Human Mesh
Reconstruction [66.10717041384625]
Zollyは、視点歪みの画像に焦点を当てた最初の3DHMR法である。
人体の2次元密度ゆらぎスケールを記述した新しいカメラモデルと新しい2次元歪み画像を提案する。
このタスク用に調整された2つの現実世界のデータセットを拡張します。
論文 参考訳(メタデータ) (2023-03-24T04:22:41Z) - RGB2Hands: Real-Time Tracking of 3D Hand Interactions from Monocular RGB
Video [76.86512780916827]
本稿では,1台のRGBカメラによる骨格ポーズのモーションキャプチャと手の表面形状をリアルタイムに計測する手法を提案する。
RGBデータの本質的な深さの曖昧さに対処するために,我々は新しいマルチタスクCNNを提案する。
RGBの片手追跡と3D再構築パイプラインの個々のコンポーネントを実験的に検証した。
論文 参考訳(メタデータ) (2021-06-22T12:53:56Z) - Real-time RGBD-based Extended Body Pose Estimation [57.61868412206493]
3DヒトポーズのリアルタイムRGBDに基づく推定システムを提案する。
パラメトリック3次元変形可能なヒューマンメッシュモデル(SMPL-X)を表現として使用する。
身体のポーズと表情パラメータの推定子を訓練する。
論文 参考訳(メタデータ) (2021-03-05T13:37:50Z)
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。