DensePose:Dense Human Pose Estimation In TheWild

DensePose是一项技术,旨在从RGB图像中获取人体所有像素到3D表面的映射。它基于Mask-RCNN和DenseReg,通过收集SMPL与COCO数据的手动标注建立DensePose COCO数据集。网络结构采用FCN,结合多任务级联架构进行密集姿态回归。实验部分展示了利用'教师'网络提高稀疏标注到密集监督信号的转换效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

个人的一些拙见,欢迎批评指正,欢迎互相交流…

一、概述预览
DensePose 估计旨在完成从 RGB图像中所有的人体像素 到 人体3D表面 的映射。
相关构成,用文中的话即为(Mask-RCNN + DenseReg)

二、主要工作
主要工作可以总结为三点:
1.通过收集SMPL与COCO中人的密集坐标对应,手动标注建立标注了DensePose COCO数据集。
2.设计了一个可以用于输出uv坐标的框架。
3.训练了一个‘teacher’网络模型,来补齐稀疏点图像到密集监督信号。

三、相关知识
个人认为,要理解整篇文章需要的知识储备,涉及的比较多

1.UV纹理贴图坐标:
请参考:

https://www.cnblogs.com/jenry/p/4083415.html

2.Mask-RCNN

https://blog.youkuaiyun.com/linolzhang/article/details/71774168

3.DenseReg
没有找到相关的介绍教程,可以看看原论文,或者过些日子写一篇关于DenseReg的个人理解。

4.Detectron
和Mask-RCNN一样都是在FaceBook的Detectron平台上实现。

https://github.com/facebookresearch/Detectron

<
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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