CVPR 2020 论文大盘点 |
您所在的位置:网站首页 › 3d人体姿态估计及重建动作捕捉系统 › CVPR 2020 论文大盘点 |
本文盘点CVPR 2020 所有人体姿态估计(Human Pose Estimation)、手势识别(Gesture Recognition)、人体形状与姿态估计(Human Shape and Pose Estimation)、人体运动捕捉(Human Motion Capture)相关论文,总计27篇,对文献进行了分类汇总,希望对大家有帮助。 人体姿态估计分为2D(6篇)和3D(11篇)两大类;手势识别只有两篇文献,一篇基于骨架,另一篇基于点云的;人体形状与姿态估计是同时计算人体的姿态和网格有,有3篇;动作捕捉对人体形状和姿态进行连续计算,反应人体的运动,在动画制作、电影特效有重要应用。 另外还有一篇手持物体的姿态估计,同时对人手进行2D/3D姿态估计和物体6D位姿估计,代码已开源。 大家可以在: http://openaccess.thecvf.com/CVPR2020.py 按照题目下载这些论文。 如果想要下载所有CVPR 2020论文,请点击这里: CVPR 2020 论文全面开放下载,含主会和workshop 2D 人体姿态估计 一种不需要后处理的单人姿态估计方法,可扩展到视频 [1].UniPose: Unified Human Pose Estimation in Single Images and Videos 作者 | Bruno Artacho, Andreas Savakis 单位 | 罗切斯特理工学院 对之前SOTA方法数据处理部分的无偏处理,大幅提升了精度 [2].The Devil Is in the Details: Delving Into Unbiased Data Processing for Human Pose Estimation 作者 | Junjie Huang, Zheng Zhu, Feng Guo, Guan Huang 单位 | XForwardAI Technology Co.,Ltd;清华 代码 | https://github.com/HuangJunJie2017/UDP-Pose 一种新的自下而上的人体姿势估计方法,用于使用高分辨率特征金字塔学习尺度感知表示。该方法配备了用于训练的多分辨率监督和用于推理的多分辨率聚合,能够解决自下而上的多人姿势估计中的尺度变化挑战,并能更精确地定位关键点,尤其是对于小人物。 [3].HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation 作者 | Bowen Cheng, Bin Xiao, Jingdong Wang, Honghui Shi, Thomas S. Huang, Lei Zhang 单位 | UIUC;微软;俄勒冈大学 代码 | https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation 解读 | https://blog.csdn.net/weixin_40671425/article/details/105600137 分布感知的坐标表示用于姿态估计。利用heatmap上的最大值以及其对应位置m, 来估计真实高斯分布均值位置μ. 这样的量化误差能够得到最大程度上的减轻。 [4].Distribution-Aware Coordinate Representation for Human Pose Estimation 作者 | Feng Zhang, Xiatian Zhu, Hanbin Dai, Mao Ye, Ce Zhu 单位 | 电子科技大学;悉尼大学 代码 | https://github.com/ilovepose/DarkPose 解读 | https://blog.csdn.net/senius/article/details/102595771 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |