抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,著者らは野生の3D人間姿勢推定の問題を考える。このタスクは,既存のデータセットは,2D姿勢と野生画像または3D pose.を用いた実験室画像中のいずれかであるとして,訓練データの欠如のために困難な課題である,2段階カスケード構造を提案した統一深い神経回路網における混合2Dおよび3Dラベルを用いた弱教師つき移行学習法を提案した。筆者らのネットワークは,3D深さ回帰サブネットワークを用いた最先端技術の2D姿勢推定サブネットワークを増大させる。二サブネットワークを訓練連続と別々にという以前の二段階アプローチとは異なり,著者らの訓練がエンドツーエンドおよび完全利用2D姿勢と深さ推定サブタスクの間の相関。深い特徴を共有表現を通して得られた。そうすることで,制御された実験室環境における3D姿勢ラベルは野生画像に変換した。添加では,3D姿勢予測,グランドトルース深さラベルの非存在下で有効なを正則化するため3D幾何学的制約を導入した。著者らの方法は,2Dおよび3Dベンチマーク上で比肩可能な結果を達成した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】