HyperAIHyperAI
منذ 2 أشهر

MeTRAbs: خرائط حرارية مقاومة لتقنين المقياس القياسي لتقدير وضعية الإنسان ثلاثية الأبعاد بشكل مطلق

Sárándi, István ; Linder, Timm ; Arras, Kai O. ; Leibe, Bastian
MeTRAbs: خرائط حرارية مقاومة لتقنين المقياس القياسي لتقدير وضعية الإنسان ثلاثية الأبعاد بشكل مطلق
الملخص

تمثل خرائط الحرارة (Heatmaps) أساس أنظمة تقدير وضع الإنسان (Human Pose Estimation) لسنوات عديدة، وقد كانت توسيعها إلى البعد الثالث مسارًا بحثيًا مثمرًا في الأبحاث الحديثة. وهذا يشمل خرائط الحرارة الحجمية ثنائية ونصف الأبعاد (2.5D Volumetric Heatmaps)، حيث تتوافق محورا X وY مع فضاء الصورة ومحور Z مع العمق القياسي حول الجسم. للحصول على توقعات قياسية، تحتاج طرق 2.5D خطوة معالجة ما بعد منفصلة لحل الغموض في المقياس. بالإضافة إلى ذلك، لا يمكنها تحديد مواقع المفاصل خارج حدود الصورة، مما يؤدي إلى تقديرات غير كاملة للصور المبتورة. لمعالجة هذه القيود، نقترح خرائط حرارة حجمية مقاومة للمبتورات ومقياسية (Metric-Scale Truncation-Robust - MeTRo)، والتي يتم تعريف أبعادها جميعًا في الفضاء الثلاثي الأبعاد القياسي بدلاً من توافقها مع فضاء الصورة. يسمح هذا التفسير الجديد لأبعاد خريطة الحرارة بتقدير وضعيات كاملة ومقياسية مباشرة دون الحاجة لمعرفة المسافة أثناء الاختبار أو الاعتماد على القواعد الأنثروبومترية مثل طول العظام. لإظهار فائدة تمثيلنا بشكل أكبر، نقدم تركيبًا قابلًا للمفاضلة بين خرائط الحرارة ثلاثية الأبعاد القياسية لدينا وخريطة الحرارة ثنائية الأبعاد في فضاء الصورة لتقدير الوضع ثلاثي الأبعاد المطلق (هندسة MeTRAbs الخاصة بنا). نجد أن الرقابة عبر فقدان الوضع المطلق ضرورية لتحقيق تحديد موقع دقيق غير نسبي للجذر. باستخدام هيكل ResNet-50 بدون طبقات متعلمة إضافية، نحصل على نتائج رائدة في مجال البحث على قاعدة بيانات Human3.6M وMPI-INF-3DHP وMuPoTS-3D. سيتم جعل شفرتنا المصدر متاحة للجمهور لتسهيل المزيد من الأبحاث.

MeTRAbs: خرائط حرارية مقاومة لتقنين المقياس القياسي لتقدير وضعية الإنسان ثلاثية الأبعاد بشكل مطلق | أحدث الأوراق البحثية | HyperAI