【论文精读】Temporally Refined Graph U-Nets for Human Shape and Pose Estimation From Monocular Videos 淩亂°似流年 2022-12-31 07:30 99阅读 0赞 ### 文章目录 ### * 一、论文结构 * * 摘要 * 介绍 * 方法 * 实验 * 结论 # 一、论文结构 # ## 摘要 ## * 这项工作解决了从单目视频中估计完整3D人体形状和姿态的挑战性问题。由于现实世界中三维网格标记的数据集是有限的,目前大多数三维人体形状重建方法只关注单一的RGB图像,丢失了所有的时间信息。 相比之下,我们提出了**Temporally Refined Graph U-Nets** ,包括**图像级的模块和视频级模块**,来解决这个问题。**图像级模块**是用于从图像中估计人体形状和姿态的Graph U-Nets,其中 **图卷积神经网络(Graph CNN)** 有助于相邻顶点的信息通信,而U-Nets架构扩大了每个顶点的感受野,并融合了高级和低级特征。 **视频级模块**是一个小的**残差时间图CNN(Residual TG-CNN)**,它从结构邻居和时间邻居那里学习时间动态。每个顶点的时间动态在时间维度上是连续的,并且与结构邻居高度相关,因此通过融合时间动态有助于减
还没有评论,来说两句吧...