3D Human Pose Estimation with 2D Marginal Heatmaps
3D Human Pose Estimation with 2D Marginal Heatmaps
一. 论文简介
主要做的贡献如下(可能之前有人已提出):
- 使用2Dheatmap代替3Dheatmap
- 排列 \(x,y,z\) 的读取顺序
- 使用JSLoss规范heatmap的分布
二. 模块详解
2.1 2Dheatmap替代3Dheatmap
刚开始读论文的时候感觉作者想象力提丰富的,后面自己开发姿态估计小网络,压缩模型立马就想到此方法了(实测效果并不理想,可能是小网络的关系,按作者描述大网络效果好)
正常3DHeatmap操作大家都懂不懂的点击,这样做精度是很好,但是所花费的计算量非常庞大。
作者使用3个二维heatmap去替代一个3DHeatmap,按理说使用两张2D图即可表示3D,作者使用\([X,Y]\) 直接计算X和Y的结果, \([X,Z\)求\(Z_1\), \([Y,Z]\)求\(Z_2\) ,\(Z=(Z_1+Z_2)/2\) 具有一定的鲁棒性。
那么为什么不相应的使用 \(X=(X_1+X_2)/2\)、\(Y=(Y_1+Y_2)/2\) ?
个人猜测如下:
- 二维本身就没有三维的Heatmap拟合能力强,强行加上那么多限制会使得模型复杂度加大,训练难收敛
- Z轴本身就很难估计,Z和XY的尺度不一样,Z的标注精度差别很大
- 这种做法降低了计算量,实际上效果要差的(对比论文给出的数据和Integral Human Pose Regression论文给出的数据)
2.2 排列 \(x,y,z\) 的读取顺序
这部分思想有问题,不论是从思想还是最终结果(Ablation Study)
首先,如果顺序真的对网络那么重要,那么我们数据增强为什么要shuffle?为什么存在shufflenetV2网络?为什么现在的Non-local结构?
其次,从结果看增加0.3%个点,这种偶然性太多了,感觉是作者凑insight
2.3 使用JSLoss规范heatmap的分布
这部分想法挺好的,随着论文读的多了,这种思想随处可见
不懂分布的点击
- 原始Heatmap就是一种单一分布(Delta分布)到学习一种分布关系(二维Gaussian分布)
- 3DHeatmap是从二维Gaussian分布转换到3D的任意分布
- 这篇论文是将3D的任意分布转换到三维Gaussian分布
2.4 总结
- 优点总结
- 关于3DHeatmap转2DHeatmap,关于Z的取平均是个好想法(想必作者实际操作遇到了Z的回归难度明显大于X和Y)
- 主要贡献还是在于分布上面,这点现在看来很正常,在之前能想到确实挺不错
- 缺点总结
- 实际测试在小模型上2DHeatmap明显弱于3DHeatmap
- 关于2.2的排序没有意义
- JS散度真的好难训练
- 先考最新检测论文,可以在分布上做改进,实际测试小模型有效果[论文
3D Human Pose Estimation with 2D Marginal Heatmaps相关推荐
- 2D/3D人体姿态估计 (2D/3D Human Pose Estimation)
1. 基本概念 算法改进入口 网络设计 特征流 损失函数 数据集的重要性:只要有一个好的.针对性的数据集,问题都可以解决 过集成新一代AutoML技术,可降低算法试错成本 人体姿态估计(Human P ...
- 论文阅读: 3D Human Pose Estimation in the Wild by Adversarial Learning
论文地址:https://arxiv.org/abs/1803.09722 出自港中文,CUHK-SenseTime Joint Lab 一.总体框架描述 1.本篇论文主体思路是提出了一个对抗性的学习 ...
- 论文笔记--3D human pose estimation in video with temporal convolutions and semi-supervised training
3D human pose estimation in video with temporal convolutions and semi-supervised training(利用时间卷积和半监督 ...
- 论文阅读 [TPAMI-2022] Locally Connected Network for Monocular 3D Human Pose Estimation
论文阅读 [TPAMI-2022] Locally Connected Network for Monocular 3D Human Pose Estimation 论文搜索(studyai.com) ...
- 视频中的3D人体姿态估计(3D human pose estimation in vide)--------Facebook research: VideoPose3D
视频中的3D人体姿态估计(3D human pose estimation in video) 解读Facebook AI Research in CVPR2019: <3D human pos ...
- Towards 3D Human Pose Estimation in the Wild: a Weakly-supervised Approach论文翻译
论文地址:https://arxiv.org/abs/1704.02447 code:https://github.com/xingyizhou/pytorch-pose-hg-3d Towards ...
- 3D人体姿态估计综述 - 《3D Human pose estimation: A review of the literature and analysis of covariates》
<3D Human pose estimation: A review of the literature and analysis of covariates> CVIU 2016 论文 ...
- 论文阅读 A simple yet effective baseline for 3d human pose estimation
A simple yet effective baseline for 3d human pose estimation 一个简单有效的3d人体姿态估计基准 Abstract 继深层卷积网络的成功之后 ...
- 【2020-CVPR-3D人体姿态估计】Deep Kinematics Analysis for Monocular 3D Human Pose Estimation
Deep Kinematics Analysis for Monocular 3D Human Pose Estimation 题目:<单目三维人体姿态估计的深度运动学分析> 作者:Jin ...
最新文章
- tcl c语言笔试题,TCL技术类笔试题目.doc
- 基于小型GIS的配电设备运行监控系统
- java中map比较大小_java中对map根据value进行排序
- P3978 [TJOI2015]概率论(生成函数)
- MaxCompute中如何使用OSS外部表读取JSON数据?
- [小记]Centos7网络配置DNS配置解决、yum出错解决。
- LabVIEW连接MySQL数据库
- 台积电:如果不能向华为销售芯片,其他订单可快速取代华为空缺
- PL/SQL Developer 8.0.2.1505 简体中文汉化版下载,带注册机-永久注册。
- Stanford CS230深度学习(七)RNN和LSTM
- 【Java必备技能一】支付宝手机网站支付对接
- linux设计引物探针,如何设计荧光定量PCR的引物及TaqMan探针
- 三津谈保险系统建设:序言
- 人工智能 深度学习 机器学习
- 天宇优配|医药股反弹受阻 公募乐观态度不改
- 禅道服务器修改ip,访问禅道服务器的ip地址
- FireStart教程:基于SharePoint的出差报销流程六
- 科研实习 | 北京大学万小军老师课题组招收NLP方向实习生和访问学生
- 完全背包问题(师从yxc,闫氏Dp)
- Robbers' watch【Codeforces 686 C】【DFS】