检索结果-内蒙古大学图书馆

图学学报 2025年第2期46卷 393-401页

作者：方程浩王康侃南京理工大学高维信息智能感知与系统教育部重点实验室江苏南京210094

在有限标签样本的条件下,单视角点云的三维人体姿态和形状估计一直存在模型估计精度低、泛化能力弱等问题。现有的方法通常采用微调方法优化模型,但对新样本的微调步骤大大增加了运行复杂度,本质上没有提高模型的泛化能力。为解决以上问... 详细信息

在有限标签样本的条件下,单视角点云的三维人体姿态和形状估计一直存在模型估计精度低、泛化能力弱等问题。现有的方法通常采用微调方法优化模型,但对新样本的微调步骤大大增加了运行复杂度,本质上没有提高模型的泛化能力。为解决以上问题,提出了一种基于半监督学习的三维人体姿态与形状估计方法,在有限的标签数据条件下,利用大量无标签人体点云数据提高模型估计精度和泛化能力。具体地,首先对无标签数据进行弱增强和强增强,同时估计2种增强样本的三维人体参数模型。然后对弱增强样本的预测结果进行伪标签准确性判断,并基于一致性正则化思想约束强增强样本的预测结果,以迭代方式逐步优化伪标签质量和增加用于训练的伪标签数量,进而提升模型的估计精度。该算法在多种公开数据集上做了充分的定量和定性实验,实验结果证明该算法在有限标签样本的条件下提高了三维人体姿态和形状的估计精度,并增强了模型的泛化性能。

关键词：三维人体姿态与形状估计单视角点云半监督学习伪标签点云数据增强

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的三维人体姿态与形状估计

基于深度学习的三维人体姿态与形状估计

引用

作者：桂朝阳南京理工大学

学位级别：硕士

三维人体姿态与形状估计是一项重要的计算机视觉任务,其在视频监控,人机交互以及三维特效制作等领域具有十分重要的应用价值。随着深度学习的兴起,三维人体姿态和形状估计技术得到了快速发展,但是,仍然存在着诸多问题,比如数据集域间差... 详细信息

三维人体姿态与形状估计是一项重要的计算机视觉任务,其在视频监控,人机交互以及三维特效制作等领域具有十分重要的应用价值。随着深度学习的兴起,三维人体姿态和形状估计技术得到了快速发展,但是,仍然存在着诸多问题,比如数据集域间差异大、非常规姿态下估计的渲染效果欠佳以及遮挡情况下估计精度差等问题。本文针对以上三个问题,分别提出了三种有针对性的解决方案,具体内容如下所示:(1)基于自适应多域学习的三维人体姿态与形状估计方法。现有的方法通常将多个数据集进行混合后对模型进行训练。但是,由于多个数据集间存在较大的域差异,导致模型对室外数据的估计精确度偏低。为此,本文提出了一种基于自适应级联多域学习的三维人体姿态与形状估计方法。首先,图像通过主干网络生成特征,然后,将特征输入级联多域的学习模块,从而能由粗到细自适应地提取域相关的特征,该特征更加有利于对三维人体模型参数的预测。实验结果表明,提出的方法使得混合训练后的模型在室外数据集上超越了目前该领域性能最好的方法,有效解决由于数据集域间差异带来的室外场景下预测精度偏低问题。(2)基于多候选预测的三维人体姿态与形状估计方法。对于多数人体姿态与形状估计的方法,当出现非常规人体姿态时,存在着预测三维模型渲染效果差的问题,这是由于三维人体模型参数和相机参数预测不准确所导致的。为解决这一问题,提出了一种基于多候选预测的三维人体姿态与形状估计方法。首先,通过条件变分自编码器预测出多组合理的三维人体模型参数和相机参数的候选,然后,通过二维信息对这多组参数进行排序,最后,据此选取最优的那组参数作为最终预测的参数。实验结果表明,与基准方法相比,提出的方法在室内外数据集上都有一定的精度提升,并达到了接近目前最优方法的性能,有效解决了非常规人体姿态的预测结果渲染到图像上效果不佳的问题。(3)遮挡场景下基于纹理图补全的三维人体姿态与形状估计方法。目前,大多数方法并未针对遮挡情况下的人体姿态与形状估计做专门处理。但是,遮挡场景是视觉数据中比较常见的场景,而在发生遮挡时这些方法的估计精度普遍偏低,所以很有必要对遮挡情况下的三维人体姿态与形状估计做专门的研究。为解决这一问题,本文提出了一种基于纹理图补全的三维人体姿态与形状估计方法。利用纹理补全分支辅助位置信息预测分支来进行遮挡场景下三维人体姿态与形状的估计,并采用多阶段训练和多种弱监督损失函数,从而使得该方法在遮挡情况下也能很好地估计出三维人体模型。实验结果表明,提出的方法在遮挡数据集3DOH50K上超越了目前性能最优的方法近15个点,有力地说明了该方法有效解决了遮挡场景下三维人体姿态与形状估计不准确的问题。

关键词：三维人体姿态与形状估计多域学习条件变分自编码器纹理图补全

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：