检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2025年第1期37卷 75-88页

作者：张宇刘骊付晓东刘利军彭玮昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省计算机技术应用重点实验室昆明650500

针对视频输入的单人三维人体姿态估计中表征不精确、融合不充分、结果不平滑的问题,提出三维人体姿态估计的多尺度时空特征融合方法.首先在空域定义关节点、肢体和上/下身人体标记并通过位置嵌入表示人体的空间多尺度特征;然后结合自注... 详细信息

针对视频输入的单人三维人体姿态估计中表征不精确、融合不充分、结果不平滑的问题,提出三维人体姿态估计的多尺度时空特征融合方法.首先在空域定义关节点、肢体和上/下身人体标记并通过位置嵌入表示人体的空间多尺度特征;然后结合自注意力机制和多层感知机构建空间多尺度特征融合模块,融合关节点、肢体和上/下身三个空间多尺度特征,得到初步姿态特征序列;最后建立时序多尺度编码进行时序特征融合获得最终姿态特征序列,并通过时序解码,优化生成细化的三维人体姿态.在Human3.6M数据集上的实验结果表明,所提方法的平均每关节位置P-MPJPE和速度误差MPJVE分别为33.6和2.4,较对比方法降低了2.3%和4.0%,能够降低计算复杂度,提高三维人体姿态估计精度,生成准确、平滑的三维人体姿态估计结果.此外,在HumanEva-I数据集的测试结果表明,所提方法也具有一定的泛化性.

关键词：三维人体姿态估计多尺度特征自注意力机制时空特征融合时序编码

来源：评论

学校读者我要写书评

暂无评论

自调节图卷积UNet的三维人体姿态估计方法

引用

北京航空航天大学学报 2025年第1期51卷 63-74页

作者：马金林崔琦磊马自萍武江涛曹浩杰北方民族大学计算机科学与工程学院银川750021 图像图形智能信息处理国家民委重点实验室银川750021 北方民族大学数学与信息科学学院银川750021

基于图卷积网络的三维人体姿态估计方法无法提取关节点的多尺度特征和未充分利用相邻节点的拓扑关系问题,提出自调节图卷积UNet的三维人体姿态估计方法M-Joint-UNet。M-Joint-UNet方法由Joint-UNet、自调节图卷积和融合损失3部分组成:Jo... 详细信息

基于图卷积网络的三维人体姿态估计方法无法提取关节点的多尺度特征和未充分利用相邻节点的拓扑关系问题,提出自调节图卷积UNet的三维人体姿态估计方法M-Joint-UNet。M-Joint-UNet方法由Joint-UNet、自调节图卷积和融合损失3部分组成:Joint-UNet通过关节点池化与去池化改变特征图大小,以提取关节点的不同尺度特征;自调节图卷积通过可学习矩阵自动调节相邻节点或人体骨架结构的关系;使用L_(1)和L_(2)融合的损失缓解梯度爆炸。对比实验表明:所提方法在参数量和估计性能方面均获得了最优的结果,以Human3.6M的二维真实关节点作为输入的参数量仅为0.54×10^(6),MPJPE和P-MPJPE值分别为37.81 mm和30.21 mm。

关键词：三维人体姿态估计图卷积 Graph-UNet 关节点池化权重矩阵

来源：评论

学校读者我要写书评

暂无评论

联合多视图可控融合和关节相关性的三维人体姿态估计

引用

中国图象图形学报 2025年第1期30卷 254-267页

作者：董婧张鸿儒方小勇周东生杨鑫张强魏小鹏大连大学先进设计与智能计算教育部重点实验室大连116622 湖南工学院安全与管理工程学院衡阳421002 大连理工大学计算机科学与技术学院大连116024

目的多视图三维人体姿态估计能够从多方位的二维图像中估计出各个关节点的深度信息,克服单目三维人体姿态估计中因遮挡和深度模糊导致的不适定性问题,但如果系统性能被二维姿态估计结果的有效性所约束,则难以实现最终三维估计精度的进... 详细信息

目的多视图三维人体姿态估计能够从多方位的二维图像中估计出各个关节点的深度信息,克服单目三维人体姿态估计中因遮挡和深度模糊导致的不适定性问题,但如果系统性能被二维姿态估计结果的有效性所约束,则难以实现最终三维估计精度的进一步提升。为此,提出了一种联合多视图可控融合和关节相关性的三维人体姿态估计算法CFJCNet(controlled fusion and joint correlation network),包括多视图融合优化模块、二维姿态细化模块和结构化三角剖分模块3部分。方法首先,基于极线几何框架的多视图可控融合优化模块有选择地利用极线几何原理提高二维热图的估计质量,并减少噪声引入;然后,基于图卷积与注意力机制联合学习的二维姿态细化方法以单视图中关节点之间的联系性为约束,更好地学习人体的整体和局部信息,优化二维姿态估计;最后,引入结构化三角剖分以获取人体骨长先验知识,嵌入三维重建过程,改进三维人体姿态的估计性能。结果该算法在两个公共数据集Human3.6M、Total Capture和一个合成数据集Occlusion-Person上进行了评估实验,平均关节误差为17.1 mm、18.7 mm和10.2 mm,明显优于现有的多视图三维人体姿态估计算法。结论本文提出了一个能够构建多视图间人体关节一致性联系以及各自视图中人体骨架内在拓扑约束的多视图三维人体姿态估计算法,优化二维估计结果,修正错误姿态,有效地提高了三维人体姿态估计的精确度,取得了最佳的估计结果。

关键词：多视图三维人体姿态估计关节相关性图卷积网络(GCN) 注意力机制三角剖分

来源：评论

学校读者我要写书评

暂无评论

基于平行多尺度时空图卷积网络的三维人体姿态估计算法

引用

软件学报 2025年第5期 2151-2166页

作者：杨红红刘泓希张玉梅吴晓军现代教学技术教育部重点实验室(陕西师范大学) 民歌智能计算与服务技术文化和旅游部重点实验室(陕西师范大学) 陕西师范大学计算机科学学院

针对基于图卷积神经网络(GCN)的人体姿态估计方法不能充分聚合关节点时空特征、限制判别性特征提取的问题,构造基于平行多尺度时空图卷积的网络模型(PMST-GNet),提高三维人体姿态估计的性能.该模型首先设计对角占优的时空注意力图卷积(D... 详细信息

针对基于图卷积神经网络(GCN)的人体姿态估计方法不能充分聚合关节点时空特征、限制判别性特征提取的问题,构造基于平行多尺度时空图卷积的网络模型(PMST-GNet),提高三维人体姿态估计的性能.该模型首先设计对角占优的时空注意力图卷积(DDA-STGConv),构建跨域时空邻接矩阵,对骨架关节点信息进行基于自约束和注意力机制约束的建模,增强节点间的信息交互;然后,通过设计图拓扑聚合函数构造不同的图拓扑结构,以DDA-STGConv为基本单元构建平行多尺度子网络模块(PM-SubGNet);最后,为了更好地提取骨架关节的上下文信息,设计多尺度特征交叉融合模块(MFEB),实现平行子图网络之间多尺度信息的交互,提高GCN的特征表示能力.在主流3D姿态估计数据集Human3.6M和MPI-INF-3DHP数据集上的对比实验结果表明,所提PMST-GNet模型在三维人体姿态估计中具有较好的效果,优于Sem-GCN、Graph SH、UGCN等当前基于GCN网络的主流算法.

关键词：三维人体姿态估计对角占优的时空注意力图卷积平行多尺度子网络多尺度特征交叉融合

来源：评论

学校读者我要写书评

暂无评论

基于图注意力机制的三维人体姿态估计时空上下文网络

引用

计算机应用 2025年

作者：曾正东赵明上海海事大学信息工程学院

近期关于人体姿态估计的研究表明，充分发挥二维姿态潜在空间信息的潜力，获取具有代表性的特征，以产生更准确的三维姿态估计结果，仍然需要进一步研究。因此，提出一种基于图注意力机制的时空上下文网络，该网络包括带滑动窗口的时间... 详细信息

近期关于人体姿态估计的研究表明，充分发挥二维姿态潜在空间信息的潜力，获取具有代表性的特征，以产生更准确的三维姿态估计结果，仍然需要进一步研究。因此，提出一种基于图注意力机制的时空上下文网络，该网络包括带滑动窗口的时间上下文模块(STCN)、由人体边缘肢体关节点引导的全局图注意力机制模块(EGAT)和基于姿态语法的局部图卷积网络模块(PGCN)。首先，使用STCN将长序列的二维关节位置转化为单序列的人体姿态潜在特征，从而有效聚合和利用远、近距离的人体姿态信息，并大幅降低计算成本。其次，提出EGAT模块，以有效计算全局空间上下文。该模块将人体边缘节点视为“交通枢纽”，为它与其他节点之间的信息交换建立桥梁。再次，利用图注意力机制进行自适应权值分配，对人体关节进行全局上下文计算。最后，设计PGCN模块，利用图卷积网络(GCN)对局部空间上下文进行计算和建模。它强调人体对称节点的运动一致性和人体骨骼的运动关联结构。在Human3.6m和Humaneva-I这2个复杂的标准数据集上全面地推理评估所提模型，结果表明，所提模型有更优越的性能，在输入帧数为81帧的情况下，模型在数据集Human3.6m上的实验结果平均位置误差(MPJPE)可达43.5mm，与目前先进算法SCNet(Spatial Collaboration Network)相比，所提模型的预测误差降低了9%，体现出更高的准确度。本文的代码可以在https://***/zzddwyff/upgraded-octo-carnival上查阅。

关键词：三维人体姿态估计图注意力时间上下文空间上下文时间卷积网络

来源：评论

学校读者我要写书评

暂无评论

基于中心点注意力的多视角多人三维人体姿态估计

引用

计算机科学 2025年第3期52卷 68-76页

作者：江以恒李洋刘春颜赵蕴龙南京航空航天大学计算机科学与技术学院南京211106 南京航空航天大学无人机研究院南京211106

多视角多人三维人体姿态估计被广泛应用于各类计算机视觉任务中。当前基于空间体素的方法由于需要消耗巨大的资源难以实现在边缘计算设备上的实时性运算;而回归方法因缺乏几何约束导致泛化能力有限,在新的环境中无法直接应用而需要采集... 详细信息

多视角多人三维人体姿态估计被广泛应用于各类计算机视觉任务中。当前基于空间体素的方法由于需要消耗巨大的资源难以实现在边缘计算设备上的实时性运算;而回归方法因缺乏几何约束导致泛化能力有限,在新的环境中无法直接应用而需要采集数据进行微调。通过结合空间体素方法与基于回归的姿态估计方法并融合二者的特点,提出了基于中心点注意力回归的多视角多人三维人体姿态估计模型。该模型通过一个小规模的体素网络粗略估计人体中心点位置,并以此构建初始姿态,随后在人体中心点的范围内进行回归预测得到更精确的人体姿态。本研究通过结合空间关键点位置,使得模型的回归预测更加准确,在大尺度上平均准确率提升1.16%,同时使得模型非常容易训练,在小样本微调中准确率最多提升了12%。这使得基于回归的模型可以在新的场景下通过小数据量的训练快速部署而实现泛化性能和通用性的大幅提升。

关键词：三维人体姿态估计多视角中心点预测网络中心点注意力 Transformer 体素网络

来源：评论

学校读者我要写书评

暂无评论

基于关节结构依赖的三维人体姿态估计与优化策略

引用

计算机应用研究 2025年第4期42卷 1268-1273页

作者：汪彬姿宁欣疏洋丁友东上海大学上海电影学院上海200072 上海电影特效工程技术研究中心上海200072

由于面临着固有的深度模糊和潜在的遮挡,单目三维人体姿态估计仍充满着挑战。为了缓解不确定性,提出了一个轻量高效的三维人体姿态估计模型,充分利用人体关节的结构依赖关系,通过两个局部约束增强策略对高自由度关节施加额外约束;设计... 详细信息

由于面临着固有的深度模糊和潜在的遮挡,单目三维人体姿态估计仍充满着挑战。为了缓解不确定性,提出了一个轻量高效的三维人体姿态估计模型,充分利用人体关节的结构依赖关系,通过两个局部约束增强策略对高自由度关节施加额外约束;设计了一个基于扩散模型的后处理框架,通过对多假设结果逐步去噪并加以骨长约束,优化带噪声的三维姿态。该方法在Human3.6M数据集上相比同类方法,在两个常用指标上分别提升了3%和4.5%,验证了其优越性。

关键词：扩散模型三维人体姿态估计图卷积神经网络 Transformer

来源：评论

学校读者我要写书评

暂无评论

三维人体姿态估计研究综述

引用

计算机工程与应用 2021年第10期57卷 26-38页

作者：王发明李建微陈思喜福州大学物理与信息工程学院福州350116

三维人体姿态估计在本质上是一个分类问题和回归问题,主要通过图像估计人体的三维姿态。基于传统方法和深度学习方法的三维人体姿态估计是当前研究的主流方法。按照传统方法到深度学习方法的顺序对近年来三维人体姿态估计方法进行系统介... 详细信息

三维人体姿态估计在本质上是一个分类问题和回归问题,主要通过图像估计人体的三维姿态。基于传统方法和深度学习方法的三维人体姿态估计是当前研究的主流方法。按照传统方法到深度学习方法的顺序对近年来三维人体姿态估计方法进行系统介绍,从而了解传统方法通过生成和判别等方法得到人体姿态的众多要素完成三维人体姿态的估计。基于深度学习的三维人体姿态估计方法主要通过构建神经网络,从图像特征中回归出人体姿态信息,大致可以分为基于直接回归方法、基于2D信息方法和基于混合方法的三维人体姿态估计这三类。最后对当前三维人体姿态估计研究所面临的困难与挑战进行阐述,并对未来的研究趋势做出展望。

关键词：三维人体姿态估计神经网络深度学习关键点检测回归与检测

来源：评论

学校读者我要写书评

暂无评论

三维人体姿态估计及其人物图像生成应用

三维人体姿态估计及其人物图像生成应用

引用

作者：王珏国防科技大学

学位级别：博士

单目三维人体姿态估计是指从单台相机拍摄的单张彩色人物图像或者图像序列中估计出人体若干关键点在三维空间中的坐标的问题。人体姿态估计能提供关于人体运动和姿态的丰富几何信息,因此在人机交互、机器人、人类行为分析、游戏设计、... 详细信息

单目三维人体姿态估计是指从单台相机拍摄的单张彩色人物图像或者图像序列中估计出人体若干关键点在三维空间中的坐标的问题。人体姿态估计能提供关于人体运动和姿态的丰富几何信息,因此在人机交互、机器人、人类行为分析、游戏设计、虚拟现实、视觉监控等领域有着广泛的应用。尽管诸多研究人员在此领域投入了大量努力,单目三维人体姿态估计仍是一个十分具有挑战性的研究问题。其主要难点在于人体姿态的高自由度、图片深度信息的缺失带来的固有深度歧义问题、图像背景的复杂多样以及多样化训练数据的缺乏等等。尽管借助专业设备能够部分地缓解这些难题,但是这些设备往往是专用而昂贵的,极大地限制了其应用范围。因此,如何从普通相机拍摄的彩色图像中估计出三维人体姿态引起了越来越多研究人员的兴趣和注意力。本文首先提出了人体姿态的双向依赖模型,并设计了基于双向依赖模型的渐进三维人体姿态估计方法。具体来说,由于人体独特的生理结构,不同的身体部位有着不同的自由度。身体各关节点自由度的不同导致了估计三维人体姿态时各关节的难易程度的不同,从而进一步导致了各个部位的估计精度不同。传统三维人体姿态估计方法对人体各个部分一视同仁,使得该问题更为明显。为此,我们根据自由度的高低,将人体关节点分为三组。按照自由度从低到高分别为躯干、近端肢体关节点和远端肢体关节点。我们将较难的高自由度的关节点当作较容易的低自由度关节点的依赖变量;反过来,前者又可以看作给后者的位置施加的一个约束条件。为了进一步提高高自由度部位的预测精度,我们提出了姿态属性估计,即学习肢体关节点相对于自由度最低的躯干的相对位置。姿态属性是从图像中学习的额外的图像信息,并被输入到姿态估计模块来提供先验信息,以帮助估计三维人体姿态。该方法在Human3.6M、MPI-INF-3DHP等数据集上取得了当前最佳的效果。传统三维人体姿态估计方法一般先做二维关键点检测,再将二维坐标逆向映设到三维空间。我们论证了这类方法过于脆弱的缺点,不能应对实际应用中很常见的关键点缺失、重度遮挡等情况。为此,我们提出一种简洁、优雅而鲁棒的三维人体姿态估计方法来解决这类问题。我们的方法并不用检测离散化的二维关键点,而是检测图像中人体各个部位的区域并估计对应的二维和三维方向,然后结合三维方向和内嵌的人体模型来生成最终的三维人体姿态。这样做的优点是,即使人体的某一部分未在图像中出现,我们的方法也能利用可见的局部图像信息来恢复完整的三维人体姿态。例如,如果踝关节未在图像中出现,我们的方法可以根据小腿的三维方向来转动人体模型骨架从而推断出踝关节的三维位置。有些情况下可能连续两个关节点都不可见,例如整个小腿都在图像外或被遮挡了。为了应对这种问题,我们还提出了一个姿态补全网络。该网络可利用可见部分的三维信息来推断不可见部分的三维位置,从而产出一个完整而合理的三维人体姿态。姿态补全网络进一步提升了我们方法的鲁棒性。在室内数据集Human3.6M上,就平均关节点位置误差而言,我们的方法取得了与当前最好结果相当的性能;在做普氏分析进行刚性变换对齐后,我们的方法取得了当前最佳效果。在野外数据集MPI-INF-3DHP上,我们在没有用该数据集训练的情况下取得了当前最佳结果。此外,在对测试图像施加随机平移、随机遮挡、随机擦除、随机边框扰动等人工干扰的情况下,我们方法仍然能够保持较高精度的人体姿态估计结果,而且大幅优于多个当前最好的方法,证明了该方法的鲁棒性。以上两个工作均是从图像中估计人体三维姿态。我们还探索了其逆向任务,即利用给定的三维姿态生成对应的人物图像的问题。该任务的目标是,给定任意一个目标三维人体姿态和一张源图像,根据源图像中的人物外表生成在原背景下做目标三维姿势的新的人物图像。以往的人物图像生成技术一般是利用二维姿态来描述目标姿态的。由于缺乏深度信息,二维姿态在自遮挡等情况下会有明显的歧义,导致生成错误的图像。为了解决该问题,我们提出了利用三维人体姿态来生成人物图像的解决方案。我们利用部分关系场来表示目标姿态的三维结构和在图像中的二维位置。与基于二维姿态生成的图像相比,我们生成的图像有更准确的图像细节,例如正确的自遮挡关系、亮度、人脸朝向等等。除此之外,传统的图像生成器一般直接输出目标图像。与此不同的是,我们的方法是预测目标图像与源图像的差分图像,而不是直接输出目标图像。这种方式使得图像生成网络能够重点关注生成图像的前景,且能够显著减少图像背景中的噪音和人工痕迹。我们在Human3.6M数据集的15种不同动作视频序列上测试了我们的方法。大量的实验证明了,我们提出的方法能够生成明显好于基于二维姿态的方法生成的图像。在给出一个目标姿态序列的情况下,即使是目标姿态是来自不同演员、不同动作的,我们的方法也能够生成在时域上平滑一致的图像序列。这表明我们的方法在生成高质量人物视频的任务上

关键词：三维人体姿态估计双向依赖模型鲁棒性姿态补全人物图像生成

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的三维人体姿态估计及其动作达成度评估

引用

仪器仪表学报 2024年第4期45卷 136-144页

作者：杨傲雷周应宏杨帮华徐昱琳上海大学机电工程与自动化学院上海200444 上海市电站自动化技术重点实验室上海200444

针对人机交互、医疗康复等领域存在的人体姿态分析与评估问题,本文提出了一种基于Transformer的三维人体姿态估计及其动作达成度评估方法。首先,本文定义了人体姿态的关键点及关节角,并在深度位姿估计网络(DPEN)的基础上,提出并构建了... 详细信息

针对人机交互、医疗康复等领域存在的人体姿态分析与评估问题,本文提出了一种基于Transformer的三维人体姿态估计及其动作达成度评估方法。首先,本文定义了人体姿态的关键点及关节角,并在深度位姿估计网络(DPEN)的基础上,提出并构建了一个基于Transformer的三维人体姿态估计模型(TPEM),Transformer的引入能够更好的提取人体姿态的长时序特征;其次,利用TPEM模型对三维人体姿态估计结果,设计了基于加权3D关节角的动态时间规整算法,在时序上对不同人物同一动作的姿态进行姿态关键帧的规整匹配,并据此提出了动作达成度评估方法,用于给出动作的达成度分数;最后,通过在不同数据集上进行实验验证,TPEM在Human3.6 M数据集上实现了平均关节点误差为37.3 mm,而基于加权3D关节角的动态时间规整算法在Fit3D数据集上的平均误差帧数为5.08,展现了本文所提方法在三维人体姿态估计与动作达成度评估方面的可行性和有效性。

关键词：三维人体姿态估计深度学习动态时间规整动作评估

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：