文献

J-GLOBAL ID：201902232952987435   整理番号：19A2509093

ロバストRGB-D行動認識のための合成データからの人間姿勢モデルの学習【JST・京大機械翻訳】

Learning Human Pose Models from Synthesized Data for Robust RGB-D Action Recognition

著者 (4件)： Liu Jian (School of Computer Science and Software Engineering, The University of Western Australia, Crawley, WA, Australia) ,  Rahmani Hossein (School of Computing and Communications, Lancaster University, Lancashire, England) ,  Akhtar Naveed (School of Computer Science and Software Engineering, The University of Western Australia, Crawley, WA, Australia) ,  Mian Ajmal (School of Computer Science and Software Engineering, The University of Western Australia, Crawley, WA, Australia)
資料名： International Journal of Computer Vision  (International Journal of Computer Vision)
巻： 127  号： 10  ページ： 1545-1564  発行年： 2019年 
JST資料番号： T0423A  ISSN： 0920-5691  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 衣服のテクスチャ,背景,照明条件,身体形状およびカメラの視点に依存しない人間の姿勢のRGBおよび奥行き画像を表す人間のPoseモデルを提案した。このような普遍的なモデルの学習には,すべての因子があらゆる人間の姿勢に対して変化する訓練画像が必要である。そのようなデータを捕捉することは非常に高価である。したがって,訓練データを合成するためのフレームワークを開発した。最初に,人間の骨格データを捕捉した実運動の大コーパスから代表的な人間の姿勢を学習する。次に,各姿勢に対して異なるボディ形状を持つ合成3D人間を適合させ,それぞれ180カメラの視点から,衣服のテクスチャ,背景および照明をランダムに変化させながら,それぞれをレンダリングする。合成と実際の画像分布の間のギャップを最小化するために,生成加算器ネットワークを採用した。次に,CNNモデルを,人間が共有高レベル不変空間に移動することを学習した。次に,学習したCNNモデルを,人間の動作ビデオの実際のRGBと深さフレームから不変特徴抽出器として使用し,時間的変動をFourier時間的ピラミッドによってモデル化した。最後に,線形SVMを分類に用いた。3つのベンチマーク人間動作データセットに関する実験は,著者らのアルゴリズムが,RGBだけとRGB-D動作認識のために有意なマージンによって既存の方法より優れていることを示した。Copyright 2019 Springer Science+Business Media, LLC, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： レンダリング ,  画像 ,  角錐 ,  ベンチマーク ,  モデリング ,  衣服 ,  三次元 ,  録画装置 ,  不変性 ,  アルゴリズム ,  *ロバスト性 ,  カメラ ,  コーパス
準シソーラス用語： 質感 ,  *RGB-D , 【Automatic Indexing@JST】

著者キーワード (6件)： 人間行動認識 ,  クロスビュー ,  横断課題 ,  深さセンサ ,  CNN ,  GaN

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： ロバスト ,  RGB-D ,  行動認識 ,  合成データ ,  人間 ,  姿勢 ,  モデル ,  学習