نمذجة احتمالية لاستعادة الشبكة البشرية

يركز هذا البحث على مشكلة إعادة بناء الإنسان ثلاثي الأبعاد من أدلة ثنائية الأبعاد. رغم أن هذه المشكلة تحمل طابعًا غامضًا بطبيعتها، فإن معظم الأعمال الحديثة تتجنب نمذجة الغموض وتقوم عادةً بتقدير تقدير واحد فقط لكل مدخل معطى. في المقابل، نقترح في هذا العمل الترحيب بغموض الإعادة ونعيد صياغة المشكلة كتعلم خريطة من المدخل إلى توزيع الوضعيات ثلاثية الأبعاد المحتملة. يعتمد نهجنا على نموذج الجريان الطبيعي (normalizing flows) ويقدم سلسلة من المزايا. بالنسبة للتطبيقات التقليدية التي تتطلب تقديرًا ثلاثي الأبعاد واحدًا، يسمح صيغتنا بحساب النمط بكفاءة. استخدام النمط يؤدي إلى أداء مparable مع أفضل ما هو موجود بين نماذج الانحدار أحادية الوضع الحتمية. وفي الوقت نفسه، بما أن لدينا إمكانية الوصول إلى احتمالية كل عينة، نوضح أن نموذجنا مفيد في سلسلة من المهام اللاحقة، حيث نستغل الطابع الاحتمالي للتنبؤ كأداة لتحقيق تقدير أكثر دقة. تشمل هذه المهام إعادة البناء من عدة زوايا غير مُرَكِّبة، بالإضافة إلى تناسب نموذج الإنسان، حيث يعمل نموذجنا كسابق قوي مستند إلى الصور لاسترجاع الشبكة (mesh recovery). تؤكد نتائجنا أهمية النمذجة الاحتمالية وتشير إلى أفضل الأداء الموجود حاليًا عبر مجموعة متنوعة من السياقات. يمكن الحصول على الكود والنماذج من الرابط التالي: https://www.seas.upenn.edu/~nkolot/projects/prohmr.