每周论文精读01——3D Human Pose Estimation with 2D Marginal Heatmaps

这篇博客介绍了3D人体姿态估计的研究,特别是通过2D边际热图的方法。文章详细阐述了该技术如何解决从单目RGB图像推断三维姿态的挑战,以及它在内存效率、可微性和空间推广方面的优势。讨论了软argmax的概念,以及其在姿态估计中的应用。此外,文章还提到了关键数据集Human3.6M和MPI-INF-3DHP,以及评估指标PCK、MPJPE和AUC。
摘要由CSDN通过智能技术生成

论文精读——3D Human Pose Estimation with 2D Marginal Heatmaps

进入新一个学期的学习,预期从本周开始每周都会有一篇文章的精读,这对我来说将会是一个不小的挑战,废话不多说,开始第一篇!!

文章来源

题目:3D Human Pose Estimation with 2D Marginal Heatmaps

引用:Nibali A , He Z , Morgan S , et al. 3D Human Pose Estimation with 2D Marginal Heatmaps[J]. 2018.

链接&下载地址:
百度学术:https://xueshu.baidu.com/usercenter/paper/show?paperid=2d39d0c29f867cad98b9e885b53dfe11
下载地址:https://arxiv.org/abs/1806.01484v2 (网址后面直接+.pdf 就是下载地址哦)

论文我也已经下载好上传到了CSDN中,可以点下方直接下载:

》》》论文连接《《《

一些相关连接

3D human pose 重要论文分类(持续更新)

3D人体姿态估计笔记

文章简介

内容简介:

3D Human Pose Estimation with 2D Marginal Heatmaps
基于二维边缘热图的三维人体姿态估计

从单目RGB图像数据中自动确定三维人体姿态是一个具有挑战性的问题。输入的二维特性导致内在的歧义,这使得推断深度特别困难。最近,研究人员已经证明,深度神经网络灵活的统计建模能力足以以合理的精度进行此类推断。然而,许多模型使用的坐标输出技术是内存密集型的、不可微的和/或在空间上不能很好地推广。我们提出了一种改进的三维坐标预测方法,通过预测二维边缘热图,避免了上述缺点。我们的结果模型,MargiPose,产生视觉上一致的热图,同时保持可微性。我们还能够在公开的3D人体姿势估计数据上实现最先进的精度。
&#x

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值