文献

J-GLOBAL ID：202002212617529378   整理番号：20A0760207

深層学習を用いた動物の姿勢推定

Animal pose estimation using deep learning

著者 (3件)： 清水洋杜 (北陸先端科学技術大学院大) ,  謝浩然 (北陸先端科学技術大学院大) ,  宮田一乘 (北陸先端科学技術大学院大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2020  号： CG-177  ページ： Vol.2020-CG-177,No.3,1-8 (WEB ONLY)  発行年： 2020年03月10日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年モーションキャプチャを使うことで,高品質なCGアニメーションを工程を短縮して作成することができる.しかし,動物のアニメーション制作では,対象となる動物との意思の疎通や室内環境に置ける大きさの制限などの理由でモーションキャプチャの利用は困難である.そこで本論文では,深層学習による動物の姿勢推定モデルを作成し,カメラで撮影された動物の動画から3D姿勢を生成することで上記の問題を解決する.動物の姿勢推定モデルを作る上で問題となるのがデータセットの量の不足である.動物はモーションキャプチャの撮影が困難なため,3D姿勢の教師データを用意するができない.そのため提案手法では,半教師あり学習を用いてデータセットの拡張を行い,そのデータセットを用いて2D姿勢推定モデルの学習を行う.そして,敵対的生成ネットワークを用いて,3D姿勢の教師データを使わずに2D姿勢を3D姿勢に変換する.このようにして得られた3D姿勢を,DCC(Digital Content Creation)ツールを用いてキーフレームアニメーションとして出力する.(著者抄録)

シソーラス用語： 機械学習 ,  *動物 ,  推定 ,  学習 ,  ニューラルネットワーク ,  動画像 ,  追跡 ,  *コンピュータアニメーション ,  モデル ,  ウマ ,  深層学習 ,  生成モデル
準シソーラス用語： 姿勢推定 ,  推定モデル ,  動き追跡 ,  半教師つき学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (20件)：

• Visionpose(ビジョンポーズ) 株式会社ネクストシステム. https://www.next-system.com/visionpose. (Accessed on 01/23/2020).
• Zhe Cao, Gines Hidalgo, Tomas Simon, Shih-En Wei, and Yaser Sheikh. OpenPose: realtime multi-person 2D pose estimation using Part Affinity Fields. In arXiv preprint arXiv:1812.08008, 2018.
• H. Xie, A. Watatani, and K. Miyata. Visual feedback for core training with 3d human shape and pose. In 2019 Nicograph International (NicoInt), pages 49-56, July 2019.
• Tsung-Yi Lin, Michael Maire, Serge Belongie, Lubomir Bourdev, Ross Girshick, James Hays, Pietro Perona, Deva Ramanan, C. Lawrence Zitnick, and Piotr Dollár. Microsoft coco: Common objects in context, 2014.
• Catalin Ionescu, Dragos Papava, Vlad Olaru, and Cristian Sminchisescu. Human3.6m: Large scale datasets and predictive methods for 3d human sensing in natural environments. IEEE Transactions on Pattern Analysis and Machine Intelligence, 36(7):1325-1339, jul 2014.

タイトルに関連する用語 (3件)： 深層学習 ,  動物 ,  姿勢推定