基于合成数据集的无标记人体运动深度学习技术综述
计算机视觉与模式识别
2022-01-10 v1
摘要
无标记动作捕捉近年来已成为计算机视觉中的活跃研究领域。其广泛应用见于众多领域，包括计算机动画、人体运动分析、生物医学研究、虚拟现实和体育科学。估计人体姿态近来在计算机视觉界受到越来越多的关注，但由于深度的不确定性以及合成数据集的缺乏，这是一项具有挑战性的任务。近来已提出多种方法来解决该问题，其中许多基于深度学习。它们主要侧重于通过显著进展改进现有基准的性能，尤其是2D图像。基于强大的深度学习技术和近期收集的真实世界数据集，我们探索了一种仅基于2D图像即可预测动画骨架的模型。使用从简单到复杂的不同体型，由不同真实世界数据集合成姿态生成帧。实现过程使用DeepLabCut在其自有数据集上执行许多必要步骤，然后利用输入帧训练模型。输出为人体运动的动画骨架。复合数据集及其他结果即为该深度模型的“ground truth”。
引用
@article{arxiv.2201.02503,
title = {A Review of Deep Learning Techniques for Markerless Human Motion on Synthetic Datasets},
author = {Doan Duy Vo and Russell Butler},
journal= {arXiv preprint arXiv:2201.02503},
year = {2022}
}
备注
11 pages, 5 figures, 2 tables