文献

J-GLOBAL ID：201702223627409572   整理番号：17A1773350

合成ヒトからの学習【Powered by NICT】

Learning from Synthetic Humans

著者 (7件)： Varol Gul ,  Romero Javier ,  Martin Xavier ,  Mahmood Naureen ,  Black Michael J. ,  Laptev Ivan ,  Schmid Cordelia
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 4627-4635  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 画像とビデオからのヒト姿勢,形状および運動の推定多くの用途を有する基本的な課題である。2D人間姿勢推定における最近の進歩は,学習畳込みニューラルネットワーク(CNN)のための大量の手動ラベル付き訓練データを用いた。そのようなデータを得るために時間がかかり,拡張することが困難である。さらに,3D姿勢,深さと運動の人手のラベリングは実用的でない。本研究では,SURREAL(合成hUmans foR実タスク):人間のモーションキャプチャデータの3D配列からした者の総合的ジェネレイテッド(one-generated)ではあるが現実的な画像を用いた新しい大規模データセットを提示した。グランドトルース姿勢,深さマップ,及びセグメンテーションマスクを用いた百万六フレーム以上を生成した。合成データセット上で訓練されたCNNは,実際のRGB画像の中での高精度ヒト深さ推定とヒト部分分割を可能にすることを示した。結果と新しいデータセットは,安価で大規模合成データを用いた進行者解析のための新しい可能性を開く。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ニューラルネットワーク ,  画像 ,  畳込み ,  録画装置 ,  三次元 ,  ラベリング ,  *ヒト ,  *学習
準シソーラス用語： 低価格 ,  高精度 ,  グランドトゥルース ,  大規模データセット ,  訓練データ ,  姿勢推定 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： ヒト ,  学習