HyperAIHyperAI

Command Palette

Search for a command to run...

AWR: انحدار ترجيح تكيفي لتقدير وضع اليد ثلاثي الأبعاد

Weiting Huang Pengfei Ren Jingyu Wang Qi Qi Haifeng Sun

الملخص

في هذه الورقة، نقترح طريقة تُسمى الترجيح التكيفي الانحدار (AWR) للاستفادة من مزايا الطرق القائمة على الكشف والطرق القائمة على الانحدار. يتم تقدير إحداثيات مفاصل اليد كتكامل منفصل لجميع بكسلات التمثيل الكثيف، بمرافقة خرائط ترجيح تكيفية. يُعدّ هذا الإجراء القابل للتعلم للدمج مُضيئًا على التدريب من الطرف إلى الطرف، ويُضفي كلاً من الإشراف الكثيف والإشراف على المفاصل، مما يمنح الشبكة دقة وقوة متميزة. أُجريت تجارب استكشافية شاملة للتحقق من فعالية وشمولية AWR في ظروف تجريبية مختلفة، وخاصة فائدتها في التعامل مع أنواع مختلفة من التمثيلات الكثيفة ووسائط الإدخال. تفوقت طريقةنا على الطرق المتقدمة الأخرى في أربع مجموعات بيانات متاحة علنًا، تشمل NYU وICVL وMSRA وبيانات HANDS 2017.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
AWR: انحدار ترجيح تكيفي لتقدير وضع اليد ثلاثي الأبعاد | مستندات | HyperAI