BriefGPT - AI 论文速递
·
3D-MuPPET：三维多鸽姿态估计与追踪
💡
原文中文，约700字，阅读约需2分钟。
📝
内容提要
研究人员提出了3D-MuPPET，一个使用多视图以交互速度估计和跟踪多只鸽子的三维姿势的框架。他们训练了一个姿势估计器来推断多只鸽子的2D关键点和边界框，然后将关键点三角化为三维。他们实现了与最先进的3D姿势估计器相当的准确度，并展示了3D-MuPPET在室内和室外环境中无需模型微调即可运行的能力。
🎯
关键要点
-
研究人员提出了3D-MuPPET框架，用于估计和跟踪多只鸽子的三维姿势。
-
该框架使用多视图技术，能够以交互速度处理多达10只鸽子。
-
训练的姿势估计器推断多只鸽子的2D关键点和边界框，并将其三角化为三维。
-
在均方根误差(RMSE)和正确关键点的百分比(PCK)方面，3D-MuPPET的准确度与最先进的3D姿势估计器相当。
-
模型在包含多只鸽子的数据上表现出可比较的结果，简化了新物种的领域转变。
-
3D-MuPPET的推断速度为2D每秒10帧，3D每秒1.5帧，且跟踪评估结果令人鼓舞。
-
该框架在室内和室外环境中无需模型微调即可运行，首次提出了在这两种环境中工作的2D/3D姿势和轨迹跟踪框架。
➡️
