- 博客(13)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 预测视频Transformer：提高人工智能预测视频下一个内容的能力
背景对于从自动驾驶汽车到增强现实的应用，人工智能系统能够预测人们未来的行为非常重要。当有人在建造宜家梳妆台时，他们可能会发现自己想知道下一步是安装支腿还是抽屉。根据到目前为止所遵循的步骤，朋友可以帮助建议要添加的正确部分。但这种类型的预测对于 AI 来说是一项具有挑战性的任务，它既需要预测未来活动的多模态分布，又需要对过去行动的进展进行建模。为了应对这一重要挑战，我们利用 Transformer 架构的最新发展，尤其是在自然语言处理和图像建模方面，构建了预测视频转换器 (AVT)，这是一种基于端到端注意
2021-11-30 09:13:35
2335
原创 pytorch-(torch.take())根据索引返回指定索引上的数据集合
torch.take(input, index)->Tensor返回一个新的张量，其中的元素是输入元素在给定的索引处，将输入张量视为视为一维张量。结果tensor的形状与索引相同。参数介绍：input：输入tensor。indices：索引接下来看用法：src = torch.tensor([[4, 3, 5], [6, 7, 8]])torch.take(src, torch.tensor([0, 2, 5]))tensor([ 4, 5,
2021-11-29 22:19:05
3890
原创 2021 年适合初学者的 10 大简单深度学习框架
深度学习框架可以帮助您处理上传的数据，来进行准确直观的预测分析。机器学习和深度学习的发展使组织能够为其客户提供智能解决方案和预测性个性化。深度学习框架是接口、库或工具，它们通常是开源的，即使是没有机器学习和人工智能知识的人也可以轻松集成。深度学习框架可以帮助您上传数据并训练深度学习模型，从而进行准确直观的预测分析。本文列出了 2021 年初学者的顶级深度学习框架。TensorFlowGoogle 的 Brain 团队开发了一个名为 TensorFlow 的深度学习框架，该框架支持 Python 和 R
2021-11-29 19:53:46
3526
原创 三维点云到人体重建（八）
《FrankMocap: A Monocular 3D Whole-Body Pose Estimation System via Regression and Integration》大多数现有的单目 3D 姿态估计方法只关注身体的一个部分，而忽略了人体运动的基本细微差别通过面部、手部和身体的微妙动作的音乐会。在在这篇论文中，我们提出了 FrankMocap，一种快速准确的全身3D姿态估计系统，可以在野外同时获得 3D 面部、手和身体单眼图像。 FrankMocap 是通过模块化设计来实现：我们首先对
2021-11-08 09:43:06
587
原创 元宇宙会是下一个风口吗？？让我们一起来看什么是元宇宙！！
概要可以把它想象成互联网，或者至少以 3D 形式呈现。扎克伯格将其描述为一个“虚拟环境”，您可以进入其中，而不仅仅是在屏幕上观看。在这里插入图片描述“元宇宙”这个词是捕捉科技行业想象力的最新流行语，以至于最著名的互联网平台之一正在重塑品牌，以表明它对未来主义理念的接受。Facebook 首席执行官马克扎克伯格宣布他将公司名称更改为 Meta Platforms Inc.，或简称为 Meta，这可能...
2021-11-07 10:45:39
83
原创 让我们一起来看什么是元宇宙
概要可以把它想象成互联网，或者至少以 3D 形式呈现。扎克伯格将其描述为一个“虚拟环境”，您可以进入其中，而不仅仅是在屏幕上观看。“元宇宙”这个词是捕捉科技行业想象力的最新流行语，以至于最著名的互联网平台之一正在重塑品牌，以表明它对未来主义理念的接受。Facebook 首席执行官马克扎克伯格宣布他将公司名称更改为 Meta Platforms Inc.，或简称为 Meta，这可能是自科幻作家尼尔斯蒂芬森为他的 1992 年小说“雪崩”创造了这个词以来，Metaverse 发生的最大事情。但扎克伯格
2021-11-07 10:42:09
4237
1
原创 三维点云到人体重建（七）
《MotioNet: 3D Human Motion Reconstruction from Monocular Video with Skeleton Consistency》我们介绍MotioNet，一种直接从单目视频重建3D人体骨骼运动的深度神经网络。虽然以前的方法依赖于装配或反向运动学（IK）将一致的骨架与时间一致的关节旋转相关联，但我们的方法是第一种直接输出运动学骨架的数据驱动方法，这是一种完整、常用的运动表示。我们的方法的关键在于一个具有嵌入式运动学先验的深层神经网络，该网络将二维关节位置序列
2021-11-06 10:44:54
3232
原创 从单张图重建三维人体模型综述（六）
《ARCH++: Animation-Ready Clothed Human Reconstruction Revisited》我们提出了一种基于图像的方法ARCH++，用于重建具有任意服装风格的3D人体。我们重建人体在输入视图的可见区域和不可见区域都是动画就绪且高度逼真的。虽然先前的工作显示了重建各种拓扑结构的可动画穿着人具有巨大的前景，但我们观察到存在导致次优重建质量的基本限制。在本文中，我们回顾了基于图像的人体重建的主要步骤，并用ARCH++解决了其局限性。首先，我们介绍了一种基于端到端点的几何编码
2021-11-05 09:40:54
2398
1
原创 从单张图重建三维人体模型综述（五）
《Video Based Reconstruction of 3D People Models》本文描述了一种从单个单目视频中获取任意人的精确三维身体模型和纹理的方法，包括正在运动的人。基于一个参数化人体模型方法，我们提出了一个鲁棒的处理流程，以4.5mm的重建精度得到三维模型形状，包括穿着衣服的人。我们方法的核心是将动态身体姿势转换为标准参考系。我们的主要贡献是一种方法来变换与动态人体轮廓相对应的轮廓锥，以在公共参考框架中获得视觉外壳。这使得能够基于大量帧有效地估计一致的3D形状、纹理和植入的动画骨架。
2021-11-04 09:38:11
1009
1
原创 从单张图重建三维人体模型综述（四）
《Temporal Consistency Loss for High Resolution Textured and Clothed 3D Human Reconstruction from Monocular Video》我们提出了一种从单目视频来学习时间一致的三维重建人衣服的新方法。使用体积、隐式或参数化人体形状模型从单目视频进行三维人体重建的最新方法产生每帧重建，在应用于视频时，会产生时间不一致的输出和有限的性能。在本文中，我们介绍了一种从单目视频中学习时间一致性特征的方法，该方法通过提出两个改进
2021-11-03 09:10:03
862
原创 从单张图重建三维人体模型综述（三）
《Multi-View Consistency Loss for Improved Single-Image 3D Reconstruction of Clothed People》我们提出了一种新的方法，以提高从一个单一图像三维重建服装人体形状的精度。最近的工作引入了体积、隐式和基于模型的形状学习框架，用于从一个或多个图像重建对象和人。然而，由于服装、头发、身体大小、姿势和相机视点导致形状的巨大变化，服装人体重建的准确性和完整性受到限制。本文介绍了克服这一局限性的两项进展：一是新的真实服装人合成数据集3
2021-11-02 08:47:15
975
2
原创 从单张图重建三维人体模型综述（二）
《3D Human Body Reconstruction from a Single Image via Volumetric Regression》本文提出使用端到端卷积神经网络通过体积回归直接重建人体的三维几何结构。所提出的方法不需要拟合形状模型，并且可以从各种输入类型（无论是标记点、图像还是分割模板）进行训练。此外，不可见的部分，无论是自遮挡的还是其他的，仍然被重建，这与深度图回归不同。我们提出的结果表明，我们的方法可以处理姿态变化和详细的重建给定适当的数据集的训练。《Combining Imp
2021-11-01 08:57:30
739
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人