基于深度学习的多视角图像全身运动学估计
计算机视觉与模式识别
2023-07-13 v1
摘要
在分析职业任务中致命性和肌肉骨骼损伤风险时，有必要对全身运动学（包括关节位置和关节角度）进行评估。近年来，人体姿态估计作为减少关节位置确定误差的一种方法受到了更多关注。然而，关节角度往往未被估计，关节角度估计的质量也未被评估。本文提出了一种从多视角图像直接估计关节角度的端到端方法。我们的方法利用了体姿态表示，并将旋转表示映射到一个连续空间，其中每个旋转都有唯一表示。我们还提出了一个住宅屋顶领域的新的运动学数据集，以及用于生成直接关节角度估计监督训练所需标注的数据处理流程。我们在新的Roofing数据集上达到了的平均角度误差，在Human3.6M数据集上达到了，为多视角图像现场运动学分析的应用铺平了道路。
引用
@article{arxiv.2307.05896,
title = {Deep learning-based estimation of whole-body kinematics from multi-view images},
author = {Kien X. Nguyen and Liying Zheng and Ashley L. Hawke and Robert E. Carey and Scott P. Breloff and Kang Li and Xi Peng},
journal= {arXiv preprint arXiv:2307.05896},
year = {2023}
}