Self-supervised Learning of Motion Capture阅读笔记

备注:1.作者Hsiao-Yu Fish Tung,Katerina Fragkiadaki 卡耐基梅隆大学一、概述1. abstract(1) 跟直接优化mesh and skeleton 的参数不一样的是,我们通过优化网络的权重来预测一个 monocular RGB video中的3D shape and skeleton 的配置;(2) 模型采用end-to-end ...
摘要由CSDN通过智能技术生成

备注:

1.作者

Hsiao-Yu Fish Tung,Katerina Fragkiadaki 卡耐基梅隆大学

一、概述

1. abstract

(1) 跟直接优化mesh and skeleton 的参数不一样的是,我们通过优化网络的权重来预测一个 monocular RGB video中的3D shape and skeleton 的配置;

(2) 模型采用end-to-end framework;

(3) 模型训练联合使用 strong supervision from synthetic(合成的) data  和 self supervision from differentiable rendering of skeleton keypoints, dense 3D mesh motion , human-background segmentation;

(4) 联合使用supervised learning 和 test-time optimization,监督学习在合适的时间对模型参数进行初始化,确保测试时候 good pose and surface initialization;

(5)  优点:self-supervision by BP through differentiable rendering allows(unsupervised) adaptation of model to  the test data,and offer much tighter fit than a pretrained fixed model.

 

2 .应用方向

对于非设定实验场中单视觉的人体以及其运动理解是很重要的,可有以下应用场景:

automated gym, dancing teacher , rehabilitation guidance, patient monitoringand safer human-robot interactions; 

对于影视行业的 character motion capture(MOCAP)and retargeting (that still require tedious labor effort of artists to achieve the disired accuracy ,or the use espensive multi-camera setups and green-scerrn backgrounds.)

二、网络架构

1. 主旨描述

(1)提出一个基于monocular video的运动捕捉的网络模型,学习将图片序列映射到相应的3D 网格序列;

(2)使用合成的渲染模型进行strong  supervision;以及从3D 到2D的渲染模型 并对应于2D监测点的真实单目视频进行 self-supervision;

(3)self-supervision利用 2D body joint detection ,2D figure-ground segmentation, 2D optical flow;除此之外,2D身体关节标注更易获取,以及optical flow 能容易的从合成数据泛化到真实数据;

(4)跟以往的基于motion capture work进行优化的不同点,我们使用 differentiable warping and  differentiable camera project for optical flow and  segmantation losses ;这些方法的综合运用有利于进行end-to-end with BP的学习;

(5)使用SMPL 作为 dense human 3D mesh  model;我们的任务是对 渲染过程进行 逆向工程操作,并且预测SMPL的参数;

(6)给出了连续两帧的三维网格预测,可微投影网格顶点的三维运动矢量,并将其与估计的二维光流矢量进行匹配;可微运动渲染和匹配需要顶点可见性估计,我们使用光线投射和我们的代码加速神经模型来完成;(如下图)相似的,in each frame,3D keypoint are projected and their distances to corresponding detected 2D keypoints are penalized.Differentiable segmen

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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