![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
文献
文章平均质量分 91
--好好学算法--
这个作者很懒,什么都没留下…
展开
-
Retentive Network: A Successor to Transformer for Large Language Models
RetNet原创 2023-09-17 15:37:41 · 247 阅读 · 0 评论 -
Uplift and Upsample: Efficient 3D Human Pose Estimation with UpliftingTransformers
3D HPE原创 2023-09-14 14:35:51 · 86 阅读 · 0 评论 -
End-to-end 3D Human Pose Estimation with Transformer
3D HPE原创 2023-09-10 18:13:04 · 898 阅读 · 0 评论 -
U-STN:U-shaped spatial–temporal transformer network for 3D human pose estimation
3D HPE原创 2023-09-08 13:44:48 · 117 阅读 · 0 评论 -
EMHIFormer: An Enhanced Multi-Hypothesis Interaction Transformer for 3D human pose estimation in vid
3d HPE原创 2023-09-06 17:36:03 · 69 阅读 · 0 评论 -
LGFormer:LOCAL TO GLOBAL TRANSFORMER FOR VIDEO BASED 3D HUMAN POSE ESTIMATION
3D HPE原创 2023-09-06 10:43:12 · 751 阅读 · 0 评论 -
2023 CVPR PoseFormerV2: Exploring Frequency Domain for Efficient and Robust3D Human Pose Estimation
3D Human Pose Estimation原创 2023-09-03 18:50:03 · 1883 阅读 · 0 评论 -
2019CVPR Semantic Graph Convolutional Networks for 3D Human Pose Regression
3D HPE原创 2023-09-02 18:35:24 · 674 阅读 · 0 评论 -
2018ECCV Can 3D Pose be Learned from2D Projections Alone?
3D HPE原创 2023-09-01 16:07:42 · 2060 阅读 · 0 评论 -
Self-supervised 3D Human Pose Estimation from a Single Image
3D HPE原创 2023-08-27 18:46:22 · 559 阅读 · 0 评论 -
(2020CVPR)Epipolar Transformers
2d HPE原创 2023-08-26 16:53:24 · 307 阅读 · 0 评论 -
MTF-Transformer:Adaptive Multi-View and Temporal FusingTransformer for 3D Human Pose Estimation
本文提出了一个统一的框架,称为多视图和时间融合Transformer(MTF变压器),自适应地处理不同的视图数和视频长度,而无需摄像机校准的三维人体姿态估计(HPE)。它由特征提取器、多视图融合Transformer(MFT)和时间融合转换器(TFT)组成。特征提取器估计每个图像的2D姿态,并根据置信度融合预测。它提供了以姿势为中心的特征嵌入,并使后续模块在计算上轻量级。MFT融合了不同数量的视图与一种新的相对注意块的功能。它自适应地测量每对视图之间的隐式相对关系,并重建更多的信息特征。原创 2023-08-18 20:22:40 · 144 阅读 · 0 评论 -
ConvFormer: Parameter Reduction in Transformer Models for 3D HumanPose Estimation by Leveraging Dyn
最近,全变换器架构已经取代了3D人体姿态估计任务的事实上的卷积架构。在本文中,我们提出了ConvFormer,这是一种新型的卷积Transformer,它利用一种新的动态多头卷积自注意机制进行单目3D人体姿态估计。我们设计了一个空间和时间卷积Transformer,以全面模拟单个帧内的人体关节关系,并在整个运动序列中进行全局建模。此外,我们引入了一个新的概念,我们的时间ConvFormer,融合完整的时间信息,立即为联合特征的局部邻域的时间关节配置文件。原创 2023-08-24 21:17:47 · 277 阅读 · 0 评论 -
DOPE: Distillation Of Part Experts for whole-body 3D pose estimation in the wild
DOPE:用于野外全身3D姿势估计的部分专家蒸馏在本文中,我们提出了第一个基于学习(learning-based method)的方法,给定一个图像,检测场景中的人,并直接预测他们的身体,手和脸的2D和3D姿态 ,我们设计了一个分类回归网络,其中要检测的对象类别是身体,手和面部姿态类别。在第二步中,应用特定类别的回归来通过在2D和3D两者中变形每个类别的平均姿态来细化身体、手和面部姿态估计。我们的DOPE培训计划概述。每个训练图像由部件专家处理以检测其特定部件并估计其2D和3D姿态。原创 2023-08-17 09:55:17 · 176 阅读 · 0 评论 -
Pooling-based Vision Transformer (PiT)
基于池化的视觉Transformer(PiT)原创 2023-08-13 20:02:35 · 152 阅读 · 1 评论