【2019-CVPR-3D人体姿态估计】RepNet: Weakly Supervised Training of an Adversarial Reprojection Network for ..
RepNet: Weakly Supervised Training of an Adversarial Reprojection Network
for 3D Human Pose Estimation
题目:《用于3DHPE的对抗性重投影网络的弱监督训练》
作者:Bastian Wandt and Bodo Rosenhahn
Leibniz Universität Hannover
Hannover, Germany
wandt@tnt.uni-hannover.de
来源:CVPR 2019
研究内容:
单目-单人-弱监督
现有技术:
常用技术:神经网络(但对未知运动和相机位置的推广不好-泛化性能差)
本文:在神经网络中推出3D POSE,忽略由2D投影至3D的过程,以此解决过拟合问题,允许弱监督训练,避免对训练数据的记忆。
本文架构:
RepNet
RepNet网络分为三部分:
①生成器网络:2D观测生成匹配的3D姿态,学习输入到输出的映射
②判别器网络:放宽对训练特定数据3D姿态,学习3D资源分布
③重投影网络:预测相机参数,将其估计3D姿态投影至2D姿态
(注:①区分GT与生成样本,提出用于鉴别评估鉴别器质量的KCS(正向链接运动)启发关节长度+角度;在①②中,当生成器样本被判别器预测为真时,鉴别器参数被固定,生成器网络与鉴别器网络交替训练-作为终止条件)
网络结构:
数据集:
(1)Human 3.6M数据集:
用于训练网络,包含2D-3D直接的对应关系,但在本文中以弱监督为特点,忽略2D-3D之间的对应关系
评价性能:MPJPE;PA-MPJPE;PCK3D
(2)MPI-INF-3DHP数据集
用于评估算法
评价性能:3DPCK;AUC;MPJPE
(3)LSP数据集
对异常姿势和相机角度,其姿势种类多。计算上臂、下臂和腿骨长度,对于每个关节设置最大误差,对身体左右两侧,所有匹配骨骼的绝对值差求和计算出对称误差在一个合理范围
在高斯噪声范围(0~N)在GT 2D关节对鉴别器提升选出最优结果。
【2019-CVPR-3D人体姿态估计】RepNet: Weakly Supervised Training of an Adversarial Reprojection Network for ..相关推荐
- RepNet:Weakly Supervised Training of an Adversarial Reprojection Network for 3D Human PoseEstimation
RepNet: Weakly Supervised Training of an Adversarial Reprojection Network for 3D Human Pose Estimati ...
- 3D人体姿态估计论文汇总(CVPR/ECCV/ACCV/AAAI)
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者:Vegetabird | 来源:知乎 https://zhuanlan.zhihu.com/p/ ...
- 基于单目的3D人体姿态估计
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者:彡枫| 来源:知乎 https://zhuanlan.zhihu.com/p/148251873 ...
- 网络摄像头+net_今日 Paper | 神经网络结构搜索;视觉目标;人物识别;视频3D人体姿态估计等...
目录 基于进化算法和权值共享的神经网络结构搜索 检测视频中关注的视觉目标 包含状态信息的弱监督学习方法进行人物识别 基于解剖学感知的视频3D人体姿态估计 RandLA-Net:一种新型的大规模点云语义 ...
- 姿态估计之3D 人体姿态估计 - 总结(1)【转】
参考 3D 人体姿态估计简述 - 知乎 3D人体姿态估计(介绍及论文归纳) [2021-CVPR]Graph Stacked Hourglass Networks for 3D Human Pose ...
- 2D与3D人体姿态估计数据集(统计)
2D与3D人体姿态估计数据集(统计) 图像级2D单人数据集 Leeds Sports Pose (LSP) Dataset Frames Labeled in Cinema (FLIC) Datase ...
- 3D人体姿态估计(介绍及论文归纳)
推荐镜子大佬的知乎 2D 多人姿态估计论文汇总.分类与简介 2D多人姿态估计指南:热图回归与坐标回归流程指南 openmmlab微信公众号里的3DHPE综述 opemmlab框架下的MMPose库,有 ...
- 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 ...
- ECCV 2020 论文大盘点-3D人体姿态估计篇
本文盘点ECCV 2020 中所有与3D姿态估计(3D Human Pose Estimation)相关的论文,总计 14 篇,其中一篇Oral 论文,7 篇已经或者将开源代码. 下载包含这些论文的 ...
最新文章
- iBATIS:xml中定义返回值
- cpu的基本硬件组成
- mysql 复制 二进制文件命令_Mysql中复制详细解析
- js温故而知新11(AJAX)——学习廖雪峰的js教程
- 解决Based on configured schedule, the given trigger ‘triggerGroupName_FREEZE_JOB.triggerName_FREEZE...
- 动态规划入门之国王的金矿
- java Hello World程序分析(翻译自Java Tutorials)
- 心灵探索——我为什么会在家工作
- 计算机科学与技术和信息与计算科学区别,信息与计算科学和计算机科学与技术有什么区别...
- 非参数统计的Python实现——随机游程检验
- Java的八大常用类
- 前端教程:如何实现前端录音功能
- MQ消息队列简单介绍+代码
- 关于音频芯片MICIN和LINEIN,HPOUT和OUT的区别
- 计算机显卡型号中数字含义详解,显卡型号中字母和数字都是什么意思?
- 物联网与传统的互联网相比,主要具备哪些基本特征?
- Google Chrome 谷歌浏览器如何设置在新标签页打开地址栏的网址
- 【云扩RPA】sliceBigFiles
- uva 1626 Brackets sequence
- Odoo tree视图使用js添加按钮(以及跳转页面)