BriefGPT - AI 论文速递

BriefGPT - AI 论文速递 -

动态环境下的惯性感知三维人体建模与姿势序列

在这项研究中,我们引入了 Dyco 这一新方法,利用增量姿势序列表示来有效模拟非刚性变形和时间外貌变化,以解决传统方法中姿势与外貌间的歧义性问题。通过在 I3D-Human 和现有数据集上进行广泛实验,我们的方法体现出卓越的质量和数量性能,并能以前所未有的方式模拟不同速度下由惯性引起的外貌变化。

研究人员提出了一个学习人类3D动力学表示的框架,可以预测3D网格的运动。他们的模型可以从单个图像中恢复当前和未来的3D网格,并通过半监督学习从带有2D姿态标注的自然视频中学习。该模型在三维动作预测任务中表现良好。

2D姿态标注 3D网格运动 三维动作预测 人类3D动力学表示 半监督学习 建模

相关推荐 去reddit讨论

热榜 Top10

LigaAI
LigaAI
eolink
eolink
观测云
观测云
Dify.AI
Dify.AI

推荐或自荐