噪声进,偏差出:平衡且实时的动作捕捉求解

Georgios Albanis; Nikolaos Zioulis; Spyridon Thermos; Anargyros Chatzitofis; Kostas Kolomvatsos

噪声进,偏差出:平衡且实时的动作捕捉求解

计算机视觉与模式识别 2023-09-26 v1 图形学机器学习

作者: Georgios Albanis , Nikolaos Zioulis , Spyridon Thermos , Anargyros Chatzitofis , Kostas Kolomvatsos

摘要

实时光学动作捕捉 (MoCap) 系统尚未从现代数据驱动建模的进展中受益。本文中,我们应用机器学习实时求解带噪声的非结构化标记点估计,即使使用稀疏且廉价的传感器也能提供鲁棒的基于标记点的 MoCap。为此,我们聚焦于与模型训练相关的若干挑战,即训练数据的获取及其长尾分布。借助表示学习,我们设计了一种无需额外数据或标签、并能提升模型在罕见且困难姿态下性能的不平衡回归技术。通过依赖统一表示,我们表明此类模型的训练并不受限于高端 MoCap 训练数据获取,并利用无标记 MoCap 的进展来获取必要数据。最后,我们通过调整基于身体模型的反向运动学解以考虑测量与推理不确定性,朝更丰富且廉价的 MoCap 迈出一步,进一步提升性能与鲁棒性。项目页面:https://moverseai.github.io/noise-tail

关键词

光学动作捕捉实时求解不平衡回归表示学习无标记 MoCap 反向运动学稀疏传感器

引用

@article{arxiv.2309.14330,
  title  = {Noise-in, Bias-out: Balanced and Real-time MoCap Solving},
  author = {Georgios Albanis and Nikolaos Zioulis and Spyridon Thermos and Anargyros Chatzitofis and Kostas Kolomvatsos},
  journal= {arXiv preprint arXiv:2309.14330},
  year   = {2023}
}

备注

Project page: https://moverseai.github.io/noise-tail

噪声进,偏差出:平衡且实时的动作捕捉求解

摘要

关键词

引用

备注

相关论文