GFPose: تعلم أولوية وضع الجسم البشري ثلاثي الأبعاد باستخدام حقول التدرج

تعلم نموذج وضع الجسم البشري ثلاثي الأبعاد ضروري للذكاء الاصطناعي المتمركز حول الإنسان. في هذا السياق، نقدم GFPose، إطارًا متعدد الاستخدامات لنمذجة أوضاع الجسم البشري الثلاثية الأبعاد التي يمكن تصورها لتطبيقات متنوعة. في قلب GFPose يوجد شبكة تقييم تعتمد على الزمن، والتي تقدير التدرج على كل مفصل من مفاصل الجسم وتقوم بشكل تدريجي بإزالة الضوضاء عن وضع الجسم البشري الثلاثي الأبعاد لتتوافق مع مواصفات مهمة معينة. خلال عملية إزالة الضوضاء، تقوم GFPose بدمج ضمني لنماذج وضع الجسم في التدرجات وتوحيد مجموعة متنوعة من المهام التمييزية والمنتجة في إطار أنيق.رغم بساطتها، فإن GFPose تظهر إمكانات كبيرة في عدة مهام ثانوية. تجاربنا العملية تثبت أن: 1) كمقدر لأوضاع متعددة الفرضيات، فإن GFPose تتفوق على أفضل التقنيات الحالية بنسبة 20% على مجموعة بيانات Human3.6M (Human3.6M). 2) كمقدر لأوضاع فرضية واحدة، فإن GFPose تحقق نتائج مشابهة لأفضل التقنيات الحالية القائمة على التحديد، حتى باستخدام هيكل خلفي أساسي (vanilla backbone). 3) GFPose قادرة على إنتاج عينات متنوعة وواقعية في مهام إزالة الضوضاء من الوضع وإكماله وإنشائه.صفحة المشروع: https://sites.google.com/view/gfpose/