HyperAIHyperAI

Command Palette

Search for a command to run...

W-HMR: استعادة الشبكة البشرية من كاميرا واحدة في الفضاء العالمي باستخدام الت headless التدريب الضعيف

Wei Yao Hongwen Zhang Yunlian Sun Yebin Liu Jinhui Tang

الملخص

الطرق السابقة لاستعادة الحركة البشرية ثلاثية الأبعاد من الصور أحادية العدسة غالباً ما تفشل بسبب الاعتماد على إحداثيات الكاميرا، مما يؤدي إلى عدم دقة في التطبيقات الواقعية. يزيد من مشكلة عدم التوافق في الأجسام البشرية ثلاثية الأبعاد المُعاد بناؤها نقص توافر وتنوع معلومات البؤرة (focal length). لحل هذه التحديات، نقدم W-HMR، وهي طريقة ت head-to-tail مراقبة ضعيفة تتنبأ بطولات بؤرة "معقولة" بناءً على معلومات تشوه الجسم، مما يلغي الحاجة إلى معلومات دقيقة عن طول البؤرة. يعزز نهجنا دقة الرقابة ثنائية الأبعاد ودقة الاستعادة. بالإضافة إلى ذلك، نقدم وحدة OrientCorrect التي تصحيح اتجاه الجسم للحصول على استعادة معقولة في الفضاء العالمي، مما يتجنب تراكم الأخطاء المرتبط بالتنبؤات غير الدقيقة لدوران الكاميرا. تتضمن إسهاماتنا تقنية جديدة للمعايرة المراقبة ضعيفة للكاميرا، ووحدة تصحيح اتجاه فعالة، واستراتيجية فصل تحسن بشكل كبير قابلية التعميم والدقة في استعادة الحركة البشرية سواء في إحداثيات الكاميرا أو الفضاء العالمي. يتم التحقق من صلابة W-HMR من خلال التجارب الواسعة النطاق على مجموعة متنوعة من قواعد البيانات، مما يظهر تفوقها على الطرق الموجودة حالياً. تم توفير الشفرات البرمجية والعروض التقديمية على صفحة المشروع https://yw0208.github.io/w-hmr/.请注意,我将“head-to-tail”这个术语遗漏了,实际上在阿拉伯语中应该使用“من الرأس إلى الذيل”来表达。但在这个上下文中,这个词组并不适用,因此我建议删除它以保持句子的流畅性和准确性。以下是修正后的版本:الطرق السابقة لاستعادة الحركة البشرية ثلاثية الأبعاد من الصور أحادية العدسة غالباً ما تفشل بسبب الاعتماد على إحداثيات الكاميرا، مما يؤدي إلى عدم دقة في التطبيقات الواقعية. يزيد من مشكلة عدم التوافق في الأجسام البشرية ثلاثية الأبعاد المُعاد بناؤها نقص توافر وتنوع معلومات البؤرة (focal length). لحل هذه التحديات، نقدم W-HMR، وهي طريقة مراقبة ضعيفة تتنبأ بطولات بؤرة "معقولة" بناءً على معلومات تشوه الجسم، مما يلغي الحاجة إلى معلومات دقيقة عن طول البؤرة. يعزز نهجنا دقة الرقابة ثنائية الأبعاد ودقة الاستعادة. بالإضافة إلى ذلك، نقدم وحدة OrientCorrect التي تصحيح اتجاه الجسم للحصول على استعادة معقولة في الفضاء العالمي، مما يتجنب تراكم الأخطاء المرتبط بالتنبؤات غير الدقيقة لدوران الكاميرا. تتضمن إسهاماتنا تقنية جديدة للمعايرة المراقبة ضعيفة للكاميرا، ووحدة تصحيح اتجاه فعالة، واستراتيجية فصل تحسن بشكل كبير قابلية التعميم والدقة في استعادة الحركة البشرية سواء في إحداثيات الكاميرا أو الفضاء العالمي. يتم التحقق من صلابة W-HMR من خلال التجارب الواسعة النطاق على مجموعة متنوعة من قواعد البيانات، مما يظهر تفوقها على الطرق الموجودة حالياً. تم توفير الشفرات البرمجية والعروض التقديمية على صفحة المشروع https://yw0208.github.io/w-hmr/.


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
W-HMR: استعادة الشبكة البشرية من كاميرا واحدة في الفضاء العالمي باستخدام الت headless التدريب الضعيف | مستندات | HyperAI