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。
単眼画像の中の二次元の姿勢推定のために,人体に関節オクルージョンと重複は,しばしば逸脱した姿勢推定の結果となる。これらの状況下で,生物学的に信じがたい姿勢予測を生じる可能性がある。とは対照的に,人間の視覚は関節相互結合の幾何学的制約条件を利用することにより姿勢を予測することができた。人体の構造に関する事前分布を導入することにより問題を解決するために,深いネットワークの訓練におけるそのような事前分布を考慮に暗黙に新しい構造を意識した畳込みネットワークを提案した。このような制約の明示的学習は典型的には困難である。代わりに,ここでは,弁別器は偽のもの(生物学的に信じがたいものなど)の実際の姿勢を識別するために設計した。姿勢発生器(G)は弁別器は,ネットワークはpriors.を学習に成功し,実際のものから区別するために,人体関節の構造依存性をよりよく把握するためにできない結果を生成する場合,発電機Gは姿勢閉塞と同様にヒートマップを予測する積層マルチタスク依存的に設計した。ポーズとオクルージョンヒートマップは,姿勢本当の可能性を予測するための弁別器に送られる。ネットワークの訓練は条件付き生成敵対的ネットワーク(GANs)の戦略に従った。提案したネットワークの有効性を広く使用されている二ヒト姿勢推定のベンチマークデータセット上で評価した。提案アプローチでは,最先端の方法よりも著しく優れている,ほとんど常に妥当なヒト姿勢予測を生成する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】