Learning to Refine Human Pose Estimation

最新推荐文章于 2024-02-13 00:07:19 发布
原创 最新推荐文章于 2024-02-13 00:07:19 发布 · 1.5k 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pose refine #human pose estimation

该文探讨了一种18年的研究，旨在优化人体姿势估计模型的预测结果。通过训练新模型对原始预测姿势进行校正，利用原始图片和多通道信息作为输入，输出修正后的姿势。尽管目前仅适用于单人姿势修正且无法与原模型联合训练，但这种方法展示了提高人体关键点定位精度的潜力。

翻到的一篇18年的老文章, 讲的是如何对关键点预测网络预测出的关键点进行修正, arxiv链接.

论文目的

对已有的pose estimation model产生的pose进行修正

论文方法

训练一个新的模型, 来对某个pose estimation model产生的pose进行修正, 新模型文章命名为 PoseRefiner.

  • 输入: 原始图片Image, 原始图片Image与其经过pose estimation model产生的n个channel的heatmap concate一起的 P i n p u t P_{input} P
最低0.47元/天 解锁文章
姿态估计0-09：DenseFusion(6D姿态估计)-源码解析（5）-PoseRefineNet网络与loss详解（重点篇）
江南才尽江南山，年少无知年少狂！
11-19 3412
以下链接是个人关于DenseFusion(6D姿态估计) 所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：a944284742相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。 姿态估计0-00：DenseFusion(6D姿态估计)-目录-史上最新无死角讲解https://blog.youkuaiyun.com/weixin_43013761/article......
DPOD: 6D Pose Object Detector and Refiner
qq_40378982的博客
03-31 1026
DPOD1 Correspondence Mapping2 Inference pipeline3 Pose Refinement   DPOD (Dense Pose Object Detector)是一种基于稠密对应的6D位姿估计方法，不过它的对应不是回归图像中ROI像素对应的归一化的3D坐标，而是将物体的三维模型涂上一层各处都不一样的颜色，然后将2D-3D对应问题转化为分类问题。 1 Correspondence Mapping   如图所示，将一张两通道的correspondence textur
(19) Learning to Refine Human Pose Estimation
qq_17721239的博客
05-14 540
Learning to Refine Human Pose Estimation 2018 Fieraru M , Khoreva A , Pishchulin L , et al. Learning to Refine Human Pose Estimation[J]. 2018. reading time : 2019/10/18 论文的目的是在完成人体姿态估计后，增加模块用于改进姿态...
Learnig to refine human pose estimation
邹小驴
10-09 402
学习的地方： 1、偏置物差是来自每个热图回归的位置到真实关节点坐标之间均方误差。 2、可能的热图
Deep High-Resolution Representation Learning for Human Pose Estimation
Matthew技术小站
02-28 929
推荐一篇文章:Deep High-Resolution Representation Learning for Human Pose Estimation, 已开源, 效果看非常不错. 附上公众号"我爱计算机视觉"的解读: 链接
RePose: Learning Deep Kinematic Priors for Fast Human Pose Estimation
Matthew技术小站
06-05 793
单人pose模型文章，提出了一种基于kinematic structure来辅助模型对关键点进行定位，整体结构如下： 模型是一个仿U-Net结构的网络结构，忽略U-Net的底部，先看下输出，模型会在不同的scale下进行upsample到原图分辨率大小进行heatmap输出，所以是个包含有多个loss的网络结构，重点看下上图中的绿色部分，也即是文章提出的Kinematic Features Updates结构。 Kinematic Features Updates 这个结构相当于是根据先验知识对人体姿态进行
论文阅读：《Deep Learning-Based Human Pose Estimation: A Survey》——Part 1：2D HPE
zyd_994264926326的博客
02-13 2212
2D HPE 依然面临的。
【姿态估计】Deep High-Resolution Representation Learning for Human Pose Estimation论文理解
qq_36926037的博客
05-13 2186
摘要   本文：   本文关注人体姿态估计问题，重点是学习可靠的高分辨率表征。现有的大多数方法都是从高到低分辨率网络产生的低分辨率表征中恢复高分辨率表征。相反本文提出的网络在整个过程中保持高分辨率表征：   （1）我们从一个高分辨率的子网开始作为第一阶段，将高分辨率到低分辨率的子网逐个添加，形成更多的阶段，并将多分辨率的子网并行连接。   （2）我们进行重复的多尺度融合，这样每一个高到低分辨率的表征都能从其他平行表征中反复接收信息，从而得到丰富的高分辨率表示。因此，预测的关键点热图具有更高的潜在精度和空间精
PoseFix: Model-agnostic General Human Pose Refinement Network
qq_25379821的博客
12-12 1151
介绍 二维图像中的多人pose估计是理解人类行为的一项重要技术。 本文提出了一种基于输入图像和输入位姿元组的人体pose refine网络，用在pose估计post processing中，调整pose估计的结果，（类似NMS使用重叠可能有假阳结果的先验，调整置信度） 而文章所用的先验是：在以往的方法中，位姿的细化主要是通过端到端可训练的多阶段体系结构来实现的。如PAF，EPAF，Hourg...
论文学习笔记：PoseFix: Model-agnostic General Human Pose Refinement Network
wangyc1208的博客
08-20 2893
论文：https://arxiv.org/abs/1812.03595 代码：https://github.com/mks0601/PoseFix_RELEASE ——————————————————————————————————————— 目标： 图片中的多人姿态估计： 本篇论文主要工作是利用一个人体姿势优化网络，从输入图像和姿势中对人体姿态进行优化。 大概的效果如下图： ————————...
姿态估计 - Human Pose Estimation Papers
长风破浪会有时，直挂云帆济沧海
10-11 9933
人体姿态估计 - Human Pose Estimation PapersSingle Person Human Pose Regression by Combining Indirect Part Detection and Contextual Information - 2017 [Paper] [Code] Self adversarial training for human pose e
人体姿态估计（human pose estimate）
kastolo的专栏
10-08 5857
人体姿态估计后，可以做很多有意思的应用。 网上找到的了一些据2D图片估计姿态的一些算法，很好玩 Demo http://www.vision.ee.ethz.ch/~hpedemo/
人体姿态估计--Learning Feature Pyramids for Human Pose Estimation
AI小作坊 的博客
03-12 3420
Learning Feature Pyramids for Human Pose Estimation ICCV2017 Torch： https://github.com/bearpaw/PyraNet 本文主要关注人体部件中的尺度问题， scale variations of human body parts， 这种尺度变化主要发生在 camera view changes or s...
姿态论文整理--05-Learning feature pyramids for human pose estimation
daniaokuye的专栏
11-25 3089
Learning feature pyramids for human pose estimation（2017年发表）如果说有人注意到了pose estimation中没人做过形态的扭曲而写了一篇global & local noramlization，从而将人体形态调整到一个固定的方位。那么这篇文章就是注意到了没人在pose estimation中做过目标对象的缩放而做了一个肢体因而做了这篇论文
论文笔记：Learning Feature Pyramids for Human Pose Estimation
牛顿爱吃香蕉的博客
04-26 1067
文章目录0、摘要1、介绍2、相关研究3、框架3.1、回顾堆叠沙漏网络3.2、金字塔残差模块（PRMs）3.3、讨论4、训练和推理4.1、初始化多分支网络4.2、输出方差累积5、实验5.1、人体姿态估计实验5.1.1、实现细节5.1.2、实验结果5.1.3、切除实验5.2、在 CIFAR-10 图像分类实验6、总结 0、摘要 关节式人体姿态估计是一项有挑战性的视觉任务。这在相机视角变化或者严重缩短引...
【PRMs】《Learning Feature Pyramids for Human Pose Estimation》
bryant_meng
09-02 701
ICCV-2017 文章目录1 Background and Motivation2 Related Work3 Advantages / Contributions4 Method4.1 Revisiting Stacked Hourglass Network4.2 Pyramid Residual Modules (PRMs)4.3 Discussions5 Training and Inference5.1 Initialization Multi-Branch Networks5.2 Out.
论文精读 Learning to Refine Object Segments
xiaoxiang_AQ 的博客
08-29 6702
同样是Facebook AI Research的文章，是2016年7月新出的文章。下面我们来看一下。   简介与思想： 目标分割主要要求目标级别的信息+像素级别的信息。但是对于前馈网络来说，卷积网络中下层获取了大量的空间信息，而顶层主要由目标水平的信息组成，在姿势和外形变化时不能达到很好的效果。本文主要提出一种自上而下的refinement方法来增强前馈网络以更好分割的方法。该方法与Deep
3D Human Pose Estimation
最新发布
02-26
In the realm of computer vision, **3D human pose estimation (HPE)** aims to identify and classify not only the presence but also the three-dimensional positions of key joints within the human body[^1]...
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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