human pose estimation开源的文章

最新推荐文章于 2024-09-28 19:07:22 发布
原创 最新推荐文章于 2024-09-28 19:07:22 发布 · 342 阅读 · 0 ·
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。

博客总结了人体姿态估计相关的开源代码，提供了3D人体姿态估计、2D姿态估计的paperswithcode链接，以及3D和2D人体姿态估计的github链接，旨在帮助相关人员。
部署运行你感兴趣的模型镜像

您可能感兴趣的与本文相关的镜像

Wan2.2-T2V-A5B

Wan2.2-T2V-A5B

文生视频
Wan2.2

Wan2.2是由通义万相开源高效文本到视频生成模型，是有​50亿参数的轻量级视频生成模型，专为快速内容创作优化。支持480P视频生成，具备优秀的时序连贯性和运动推理能力

2D/3D人体姿态估计 （2D/3D Human Pose Estimation）
MyArrow的专栏
02-29 1万+
1. 基本概念 2. 发展现状
multi-view human pose estimation相关项目配置经验
TaylorNY的博客
07-08 743
微软亚研院人体位姿估计文章相关项目配置经验
身体姿势估计 - Human Pose Estimation
MyArrow的专栏
07-19 7943
1. 简介    人体姿势估计主要采用：数据驱动、从下到上的方法；在此方法中，像素被独立地标记为身体的某一部分，或投票决定关节的位置。
姿态估计之2D人体姿态估计 - HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation
light169的专栏
06-13 1919
提出了一种新的Bottom-up的人体姿态估计方法HigherHRNet，该方法利用高分辨率特征金字塔学习尺度感知表示。 该方法在训练方面具有多分辨率监督，在推理方面具有多分辨率聚合功能，能够较好地解决自底向上多人姿态估计中的尺度变化挑战，并能更精确地定位关键点，特别是对小人物。 HigherHRNet中的特征金字塔由HRNet的特征映射输出和通过转置卷积的上采样高分辨率输出组成。.........
Lite Pose: Efficient Architecture Design for 2D Human Pose Estimation 阅读笔记
AnZhiJiaShu's blog
07-10 2677
论文链接 代码链接摘要：姿态估计在以人为中心的视觉应用中发挥关键作用。但由于高昂的计算成本（每帧超过150个GMACs（一个 GMACS：等于每秒10亿 (=10^9) 次的定点乘累加运算）），基于 HRNet 的 sota 姿态估计模型难以部署在资源受限的边缘设备上。本文研究了边缘实时多人姿态估计的有效架构设计。通过 gradual shrinking 实验，我们发现 HRNet 的高分辨率分支对处于低计算区域的模型是冗余的，删除它们可以提高效率和性能。受这一发现的启发，我们设计了有效的姿态估计单分支架构
姿态估计之2D人体姿态估计 - Distribution Aware Coordinate Representation for Human Pose Estimation【转-修改】
light169的专栏
06-02 981
Distribution-aware Maximum Relocalization是在基于分布假设的情况下对最大激活值进行重定位。
Whole-Body Human Pose Estimation in the Wild
Matthew技术小站
09-02 1571
财大气粗的商汤出的第一个全身关键点数据集，直接对COCO数据集进行了扩展，将脸上的68个点，躯干的23个点（body17+feet6），以及手的23个点全部进行了标注，并将label进行了开源，地址：https://github.com/jin-s13/COCO-WholeBody，果然是大佬风范，佩服三连~ 除了很????的推出了第一个large-scale whole body pose dataset，还针对如何训练whole body pose提出了ZoomNet，网络结构如下所示： 因为face
论文解读(CVPR-2024) FinePOSE: Fine-Grained Prompt-Driven 3D Human Pose Estimation via Diffusion Models
最新发布
weixin_42155685的博客
09-28 1848
在FinePOSE中，这种模型的应用细节体现在其能够处理单目三维人体姿态估计中的模糊性和遮挡问题，从而减少预测中的不确定性和误差。具体来说，FinePOSE利用扩散模型从嘈杂的初始3D姿态重建正确的3D姿态，这有助于解决由于深度模糊和遮挡引起的不良姿态问题。总结来说，FinePOSE通过结合扩散模型的强大生成能力和深度学习的高效特征提取能力，提供了一种新的视角来解决3D人体姿态估计的问题。这种方法利用了文本提示来指导模型对身体部位的识别和姿态的预测，从而提高了姿态估计的准确性。
【3D-HPE】3D Human Pose Estimation with Spatial and Temporal Transformers （ICCV2021论文介绍）
sazass的博客
11-28 1525
3D Human Pose Estimation with Spatial and Temporal Transformers 基于时空Transformers的3D人体姿态估计 论文地址：https://openaccess.thecvf.com/content/ICCV2021/papers/Zheng_3D_Human_Pose_Estimation_With_Spatial_and_Temporal_Transformers_ICCV_2021_paper.pdf 代码地址： https://git
Rethinking the Heatmap Regression for Bottom-Up Human Pose
11-17
通过开源代码（https://github.com/greatlog/SWAHR-HumanPose），研究者和开发者可以进一步研究和应用这些技术，推动相关领域的进步。 总之，“Rethinking the Heatmap Regression for Bottom-Up Human Pose ...
3D Human Pose Estimation = 2D Pose Estimation + Matching(2017)
01-07
3D Human Pose Estimation = 2D Pose Estimation + Matching(2017) Abstract Many approaches try to directly predict 3D pose from image measurements,we explore a simple architecture that reasons through intermediate 2D pose directions. （1）Deep neural nets have revolutionized 2D pose estimation,producing
Human-Pose-Estimation-Papers:2D＆3D人体姿势估计
03-06
人的姿势估计文件 [CVPR 2016]-201511 -201602 其他 联合关节的3D深度卷积描述符进行动作识别 2D姿势 使用深度共识投票的人体姿势估计 通过卷积部分热图回归进行人体姿态估计 用于人体姿势估计的堆叠沙漏网络 DeeperCut：更深入，更强大，更快的多人姿势估计模型 3D姿势 迈向视点不变的3D人类姿势估计 基于贝叶斯图像的3D姿势估计 保持不变SMPL：从单个图像（聚光灯）自动估计3D人体姿势和形状 3D人体姿势估计的顺序方法：身体关节的定位和标识分离 -201605 2D姿势 CRF-CNN：人体姿势估计中的结构化信息建模 3D姿势 MoCap指导的用于野外3D姿态估计的数据增强 -201609 没有 [CVPR 2017]-201611 -201702 没有 -201703 2D姿势 多实例姿势估计中的基准测试
(6) Human Pose Estimation : HRNet :CVPR 2019
qq_17721239的博客
09-10 624
Deep High-Resolution Representation Learning for Human Pose Estimation（精读） CVPR 2019 reading time : 2019/09/10 paper address :https://arxiv.org/abs/1902.09212 github :https://github.com/leoxia...
Rethinking on Multi-Stage Networks for Human Pose Estimation
steph_curry的博客
07-08 877
COCO 2018 关键点检测第一名。 pose estimation里面一个常用的trick是multi-stage。代表是8 stacks的houglass network。这可以解释为多stage可以实现coarse-to-fine的逐步优化过程。但是在多人位姿估计中，multi-stage效果是不如single-stage的。比如现在coco上领先的方法CPN， simple bas...
2018 Human Pose Estimation Papers + 人体姿态估计相关论文2018
2Dposeliu的博客
10-09 945
在ilovepose论坛上看到了关于2018 Human Pose Estimation Papers的总结，方便大伙儿学习。传送门 人体姿态估计2018
【SSN】：Spatial Shortcut Network for Human Pose Estimation
yuanCruise
08-25 1526
1.概述 现有的基于姿态估计的方式，是通过逐像素分类实现的，这种方式是考虑不到大范围的空间信息的。举例来说：在左图中，由于肘关节的外观与膝关节非常相似，对于一个感受野仅能覆盖肘关节本身的小特征提取器，很难将两者区分开来。但如果感受野能同时看到附近的手腕或肩膀，那么将其归类为肘部就容易得多。同样，在中间的图像中，要确定身体的某个部位是左还是右，人的头部和手的方向是重要的信息。在涉及单人姿态估计的方法...
姿态估计之2D人体姿态估计（1）（仅供个人参考）
light169的专栏
05-18 1万+
参考 1、自顶向下的 2D 人体姿态估计 - 知乎 2、人体姿态估计(Human Pose Estimation)经典方法整理 - 知乎 3、2D人体姿态估计浅析 - 知乎 4、人体姿态估计中回归出了heatmap如何去计算关键点的坐标位置？ - 知乎 5、论文阅读 - Deep High-Resolution Representation Learning for Human Pose Estimation 6、【HRNet】《Deep High-Resolution Represen....
【极简笔记】OpenPose
Hibercraft的博客
02-26 1万+
【极简笔记】Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields 论文地址：https://arxiv.org/abs/1611.08050 文章的核心是提出一种利用Part Affinity Fields（PAFs）的自下而上的人体姿态估计算法。研究自下而上算法（得到关键点位置再获得骨架）而不是自上而下算法（先...
人体骨骼关键点检测综述
热门推荐
SIGAI_优快云的博客
06-11 3万+
其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》，清华大学出版社，雷明著，由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误，优化，源代码资源 导言 人体骨骼关键点对于描述人体姿态，预测人体行为至关重要。因此人体骨骼关键点检测是诸多计算机视觉任务的基础，例如动作分类，异常行为检测，以及自动驾驶等等。近年来，随着深度学习技术的发展，人体骨骼关键点检测效果不断...
评论
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