BriefGPT - AI 论文速递
·
基于3D重建方法的物体姿态估计的比较评估
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文研究了2D到3D姿势提升器的稳健性，并提出了两种解决方案。通过引入时间加性高斯噪声和设计置信度感知的卷积块，作者提升了3D姿势提升器的稳健性。测试结果表明这些策略对于受污染的情况下的姿势提升器具有良好的适应能力。
🎯
关键要点
- 当前3D人体姿势估计技术在复杂视频中的普适性仍是开放问题。
- 本文聚焦于2D到3D姿势提升器的稳健性，开发了两个基准数据集。
- 测试了视频-based 3D姿势提升器对常见视频污染的稳健性。
- 现有的3D姿势提升器在污染情况下的普适性较差。
- 提出了两种技术应对这一问题：引入时间加性高斯噪声和设计置信度感知的卷积块。
- 时间加性高斯噪声作为2D输入姿势数据增强技术。
- 置信度感知的卷积块考虑了2D姿势检测器的置信度得分。
- 在受损视频上测试后，策略提升了3D姿势提升器的稳健性，建立了新的研究基准。
🏷️
标签
➡️
