SEFD: التعلّم على تقطيع الوضعية المعقدة والانسداد

يُعالج هذا البحث مشكلة تقدير الشبكة البشرية ثلاثية الأبعاد (3D) في الحالات المعقدة للوضعية والوضعيات المُغطاة. وعلى الرغم من التحسينات الكثيرة التي تم تحقيقها في تقدير الشبكة البشرية ثلاثية الأبعاد باستخدام الوضعية ثنائية الأبعاد (2D) مع وجود تداخل بين الأشخاص، تظل مشكلة التداخل الناتجة عن الوضعيات المعقدة والأجسام الأخرى ظاهرة مستمرة. ولذلك، نقترح نموذجًا جديدًا يُدعى "استخلاص ميزات الحواف SMPL للأشخاص المتعددين المُغطاة (SEFD)"، والذي يتميز بالمتانة تجاه الوضعيات المعقدة والتداخلات، دون زيادة عدد المعاملات مقارنة بالنموذج الأساسي. يُولِّد النموذج حافة تداخلية مُماثلة لـ SMPL الحقيقية، وتتضمن معلومات الحدود الخاصة بالشخص المستهدف والتداخلات، ويُنفَّذ استخلاص الميزات اللاحقة في خريطة حافة بسيطة. كما أجرينا تجارب على مجموعة متنوعة من المعايير، وأظهرنا دقة عالية من حيث الجودة النوعية والكمية. تُثبت التجارب الواسعة أن طريقة العمل لدينا تتفوق على أحدث الطرق في معيار 3DPW بنسبة 2.8% في MPJPE و1.9% في MPVPE، مع وجود فجوة مجالية. كما تتفوق طريقة العمل لدينا في مجموعات 3DPW-OCC، 3DPW-PC، RH-Dataset، OCHuman، CrowdPose، وLSP، حيث توجد تداخلات، ووضعيات معقدة، وفجوات مجالية. سيتم نشر الشفرة والتعليقات المتعلقة بالتداخل والوضعيات المعقدة على الرابط التالي: https://anonymous.4open.science/r/SEFD-B7F8/