AROS:基于单次人体姿态的可供性识别
计算机视觉与模式识别
2022-10-24 v1
摘要
我们提出 AROS,一种利用高度关节化人体姿态与 3D 场景间交互的显式表示的一次性学习方法。该方法为一次性,因无需重新训练即可添加新的可供性实例。此外,仅需一个或极少数目标姿态样本即可描述该交互。给定此前未见场景的 3D 网格,我们可预测支撑该交互的可供性位置,并围绕其生成相应的关节化 3D 人体。我们在三个含不同程度噪声的真实环境扫描公开数据集上评估。通过众包评估的严格统计分析,结果表明我们的一次性方法优于数据密集型基线达 80%。
引用
@article{arxiv.2210.11725,
title = {AROS: Affordance Recognition with One-Shot Human Stances},
author = {Abel Pacheco-Ortega and Walterio Mayol-Cuevas},
journal= {arXiv preprint arXiv:2210.11725},
year = {2022}
}
备注
8 figures, 5 tables, supplementary material