基于几何三角测量数据评估用于三维啮齿动物姿态估计的深度提升姿态模型
计算机视觉与模式识别
2021-06-25 v1 神经元与认知
定量方法
摘要
实验动物行为的评估是现代神经科学研究的核心关注点。行为通常通过其姿态变化来研究，而姿态变化最好在三维空间中捕捉。这需要对从多个角度拍摄动物的多相机系统进行三角测量。然而，由于遮挡和其他技术限制，这在真实的实验室环境中具有挑战性。在此，我们提出使用提升姿态（lift-pose）模型，该模型能够从单视角相机视图对自由活动的啮齿动物进行鲁棒的3D姿态估计。为了获得用于姿态提升的高质量训练数据，我们首先在包含行为动物底部和侧部视图的相机设置中进行几何标定。然后，我们在给定的推理视角下评估两种先前提出的模型架构的性能，并得出结论：使用时间卷积可以获得可靠的3D姿态推理。通过这项工作，我们希望为神经科学界中广泛实验和设置下自由活动啮齿动物更鲁棒和多样的行为追踪做出贡献。
引用
@article{arxiv.2106.12993,
title = {Evaluation of deep lift pose models for 3D rodent pose estimation based on geometrically triangulated data},
author = {Indrani Sarkar and Indranil Maji and Charitha Omprakash and Sebastian Stober and Sanja Mikulovic and Pavol Bauer},
journal= {arXiv preprint arXiv:2106.12993},
year = {2021}
}
备注
5 pages, 6 figures, Accepted at the CVPR 2021 CV4Animals workshop