- 博客(8)
- 收藏
- 关注
RSS订阅原创 2017_ICCV_SSD-6D_ Making RGB-Based 3D Detection and 6D Pose Estimation Great Again
1，与方向关系不是很大，简单了解即可。
2025-10-12 14:23:40
757
原创 2017_ICCV_Asimple yet effective baseline for 3d human pose estimation
数学定义。
2025-10-11 18:56:18
1350
原创 2017_ICCV_Pose Guided RGBD Feature Learning for 3D Object Pose Estimation
指的是RGB-D 图像。标准的红、绿、蓝颜色通道图像（提供物体的外观、纹理、颜色信息）。深度图像（提供每个像素点到相机的距离信息，即三维空间中的深度/距离）。RGB-D 图像同时提供了丰富的外观信息（RGB）和几何/结构信息（深度），这对于理解三维世界、识别物体、估计姿态等任务非常有价值。
2025-10-10 20:24:46
1713
原创 2016_CVPR_Sparseness Meets Deepness_ 3D Human Pose Estimation from Monocular Video
目录1. 目的 (Purpose)2. 输入数据 (Input Data)3. 输出目标 (Output Target)4. 方法 (Method)核心模型组件：推断方法（EM框架）：流程总结（未知2D位置场景）：总结这篇论文《Sparseness Meets Deepness: 3D Human Pose Estimation from Monocular Video》的核心是解决从单目视频序列中估计3D全身人体姿态的问题。以下是对其目的、输入、输出和方法的详细解释：论文处理两种输入场景：论文的输出目标是
2025-10-10 10:51:34
2095
原创 DAY1：3D姿态估计
这类数据通常被视为或，用于训练和评估模型，但成本高昂，采集环境受限。：在专用房间（动捕室）内安装多个高速红外摄像机，对人体标记点（Marker）进行追踪，通过三角测量精确计算标记点的3D坐标。：精度极高（毫米级），是学术数据集真值的主要来源。：设备昂贵、需要专用场地、标记点会遮挡皮肤表面。：目前最主流、最全面的基准数据集，使用10个相机采集11个演员的15种日常活动（如走路、吸烟、讨论）。：早期的经典数据集。：结合了光学和惯性动捕，用于全身姿态估计。
2025-10-10 09:22:34
690
原创 2016_CVPR_A dual-source approach for 3d pose estimation from a single image
根据论文《A Dual-Source Approach for 3D Pose Estimation from a Single Image》的内容，其。两个独立源，解决了单图像3D姿态估计中训练数据稀缺的问题，并实现了高精度、鲁棒的输出，适用于真实场景（如体育分析、人机交互、机器人控制等）。（3D coordinates），构成一个完整的3D骨骼结构（skeleton）。，即人体所有关节点的三维坐标集合。具体而言，输出是图像中人体所有关节点的。
2025-10-09 19:42:33
403
原创 2016_ECCV_Real-Time Joint Tracking of a Hand Manipulating an Object from RGB-D Input
改论文于2016年发表，提出仅需RGB-D相机就能实现。
2025-10-09 14:58:59
220
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人