#计算机视觉[超话]# #我爱计算机视觉[超话]# #3D人体姿态估计#
TriPose: A Weakly-Supervised 3D Human Pose Estimation via Triangulation from Video
从视频中估计三维人体姿势是一个具有挑战性的问题。因为缺乏三维人体姿势标注是监督训练和对未见过的数据集进行归纳的主要障碍。
文章中通过提出一个不需要三维标注或校准相机的弱监督训练方案来解决这个问题。所提出方法依赖于时间信息和三角测量。使用来自多个视图的二维姿势作为输入,首先估计摄像机的相对方向,然后通过三角测量生成三维姿势。三角法只适用于具有高二维人体关节置信度的视图。然后,生成的 3D 姿势被用来训练一个 recurrent lifting network(RLN),该网络从2D姿势中估计3D姿势。
作者进一步对估计的三维姿势应用 multi-view re-projection 损失,并强制要求从多视角估计的三维姿势是一致的。因此,所提出方法放宽了实践中的限制,只需要多视角视频进行训练,因此便于在自然环境中使用。在推理时,RLN 只需要单视角的视频。所提出的方法在两个具有挑战性的数据集,即 Human3.6M 和MPI-INF-3DHP 上的表现优于之前的工作。
作者 | Mohsen Gholami, Ahmad Rezaei, Helge Rhodin, Rabab Ward, Z. Jane Wang
单位 | 不列颠哥伦比亚大学
论文 | https://t.cn/A6V4Mx6x
TriPose: A Weakly-Supervised 3D Human Pose Estimation via Triangulation from Video
从视频中估计三维人体姿势是一个具有挑战性的问题。因为缺乏三维人体姿势标注是监督训练和对未见过的数据集进行归纳的主要障碍。
文章中通过提出一个不需要三维标注或校准相机的弱监督训练方案来解决这个问题。所提出方法依赖于时间信息和三角测量。使用来自多个视图的二维姿势作为输入,首先估计摄像机的相对方向,然后通过三角测量生成三维姿势。三角法只适用于具有高二维人体关节置信度的视图。然后,生成的 3D 姿势被用来训练一个 recurrent lifting network(RLN),该网络从2D姿势中估计3D姿势。
作者进一步对估计的三维姿势应用 multi-view re-projection 损失,并强制要求从多视角估计的三维姿势是一致的。因此,所提出方法放宽了实践中的限制,只需要多视角视频进行训练,因此便于在自然环境中使用。在推理时,RLN 只需要单视角的视频。所提出的方法在两个具有挑战性的数据集,即 Human3.6M 和MPI-INF-3DHP 上的表现优于之前的工作。
作者 | Mohsen Gholami, Ahmad Rezaei, Helge Rhodin, Rabab Ward, Z. Jane Wang
单位 | 不列颠哥伦比亚大学
论文 | https://t.cn/A6V4Mx6x
TI9小组赛首日比赛结束
A组秘密大魔王3胜位于小组第一,LGD2胜1平紧随其后,KG1胜2负暂列第六。
B组VG战队2战全胜位于头名,RNG1胜1平小组第六。
明天VG将迎来VP、INF、EG的挑战
LGD的对手将是NB以及液体
KG则要挑战秘密大魔王以及状态不错的A队
RNG能否在EG、OG面前拿下胜利呢?
[憧憬][憧憬][憧憬]
电竞蓬头哥与大家一起享受TI盛宴![笑哈哈][笑哈哈][笑哈哈]
A组秘密大魔王3胜位于小组第一,LGD2胜1平紧随其后,KG1胜2负暂列第六。
B组VG战队2战全胜位于头名,RNG1胜1平小组第六。
明天VG将迎来VP、INF、EG的挑战
LGD的对手将是NB以及液体
KG则要挑战秘密大魔王以及状态不错的A队
RNG能否在EG、OG面前拿下胜利呢?
[憧憬][憧憬][憧憬]
电竞蓬头哥与大家一起享受TI盛宴![笑哈哈][笑哈哈][笑哈哈]
#2018全球总决赛# 入围赛第四日有感:原本以为A组的搅局者会是DW,没想到竟然是INF[二哈]
四天看下来,INF和DFM是意外之喜[二哈]GMB一如既往的发挥稳定,软柿子捏的稳,有挑战的也不可能赢[黑线]
关于淘汰赛:
C9保送了[并不简单]国电是一个小分都不能输的[二哈]
G2说不定会放假[二哈]GRX应该是稳的[喵喵]
四天看下来,INF和DFM是意外之喜[二哈]GMB一如既往的发挥稳定,软柿子捏的稳,有挑战的也不可能赢[黑线]
关于淘汰赛:
C9保送了[并不简单]国电是一个小分都不能输的[二哈]
G2说不定会放假[二哈]GRX应该是稳的[喵喵]
✋热门推荐