性别、姿态与相机距离对人体尺寸估计的影响
计算机视觉与模式识别
2022-05-25 v1
摘要
人体尺寸估计（HBDE）是一项智能体可执行的任务，旨在尝试从图像（2D）或点云或网格（3D）中确定人体信息。更具体地说，若将 HBDE 问题定义为从图像推断人体测量值，则 HBDE 是一个困难的反向多任务回归问题，可通过机器学习技术尤其是卷积神经网络（CNN）来解决。尽管学界在推进人体形状分析方面付出了巨大努力，但仍缺乏系统性实验来评估 CNN 从图像估计人体尺寸的性能。我们的贡献在于通过一系列受控实验评估 CNN 的估计性能。为此，我们通过渲染不同相机距离的图像来扩充我们近期发布的神经人体测量数据集。我们评估了网络推断的估计与实际人体尺寸（HBD）之间的绝对与相对平均误差。我们在四种场景下训练并评估该 CNN：（1）使用特定性别受试者训练，（2）特定姿态，（3）稀疏相机距离，以及（4）密集相机距离。我们的实验不仅表明该网络能成功完成此任务，还揭示了一些有助于更好理解 HBDE 任务的相关事实。
引用
@article{arxiv.2205.12028,
title = {Effect of Gender, Pose and Camera Distance on Human Body Dimensions Estimation},
author = {Yansel Gónzalez Tejeda and Helmut A. Mayer},
journal= {arXiv preprint arXiv:2205.12028},
year = {2022}
}
备注
Accepted to the workshop "Towards a Complete Analysis of People: From Face and Body to Clothes" (TCAP 2021) at the 21st International Conference on Image Analysis and Processing, May 23-27, 2022, Lecce, Italy