HyperAIHyperAI

Command Palette

Search for a command to run...

تمثيل مكعبي ثنائي الأبعاد بديهي وغير مقيد للكشف عن الرأس وتقدير وضعه بشكل متزامن

Huayi Zhou∗ Fei Jiang† Lili Xiong‡ Hongtao Lu∗

الملخص

تُهيمن معظم الطرق الحديثة لتقدير وضع الرأس (HPE) على تمثيل زوايا أويلر. من أجل تجنب مشكلة الغموض المتأصلة في تسميات الدوران لهذا التمثيل، تم تقديم بدائل تعتمد على الكواتيرنيونات والأشعة. ومع ذلك، فإن كلاهما ليس بديهيًا بصريًا ويُشتق غالبًا من تسميات زوايا أويلر غير الواضحة. في هذا البحث، نقدم طريقة جديدة ومرحلية واحدة تعتمد على النقاط الرئيسية عبر تمثيل مكعب ثنائي الأبعاد (2D) {\it بديهي} و{\it بلا قيود} للكشف عن وضع الرأس وتقييمه بشكل مشترك. يُمثل المكعب ثنائي الأبعاد اسقاطًا متعامدًا للمكعب الثلاثي الأبعاد العادي الذي يحيط برأس واحد تقريبًا، ويحتوي بنفسه على موقع الرأس. يمكنه أن يعكس اتجاه الرأس بطريقة مباشرة وغير غامضة في أي زاوية دوران. على عكس تقدير وضع الأجسام العام ذو الست درجات من الحرية (6-DoF)، فإن مكعبنا ثنائي الأبعاد يتجاهل ثلاث درجات من الحرية لمقياس حجم الرأس ولكنه يحتفظ بثلاث درجات من الحرية لوضع الرأس. بناءً على أولوية الطول المتساوي للأضلاع، يمكننا الحصول بسهولة على الحل الصريح لزوايا أويلر من المكعب الثنائي الأبعاد للرأس المتوقع بدلاً من تطبيق خوارزمية PnP التي تكون عرضة للأخطاء. في التجارب، حققت الطريقة المقترحة لدينا نتائج مقارنة مع الأساليب الأخرى الممثلة على مجموعة بيانات AFLW2000 و BIWI العامة. بالإضافة إلى ذلك، أظهر اختبار جديد على مجموعة بيانات CMU Panoptic أن طريقتنا يمكن تكييفها بسلاسة مع مهمة تقدير وضع الرأس الكامل بدون قيود (unconstrained full-view HPE) دون أي تعديل.


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