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。
歩行認識のための既存の研究は,制約されたシーンにおける人体のシルエットまたは骨格のような2D表現によって支配されている。しかしながら,人間は,制約のない3D空間で生活し,歩行し,2D平面に3D人体を投影することは,歩行認識のための視点,形状,および動力学のような多くの重要な情報を捨てる。したがって,本論文では,実用的ではあるが無視された問題である,野生における歩行認識のための高密度3D表現を探索することを目的とした。特に,著者らは,SMPLGaitという名の歩行認識のための人体の3D皮膚化マルチピアソン線形(SMPL)モデルを探索するための新しいフレームワークを提案した。このフレームワークは,シルエットから外見特徴を抽出する2つの精巧に設計された分岐を持ち,他の学習は3D SMPLモデルから3D視点と形状の知識を学習する。さらに,適切なデータセットの欠如により,Gait3Dと名付けた最初の大規模3D表現ベース歩行認識データセットを構築した。それは,無制約の屋内場面で39台のカメラから抽出された4,000人の被験者と25000以上のシーケンスを含む。さらに重要なことに,それは物体形状,視点,および動力学の密な3D情報を提供できるビデオフレームから回復した3D SMPLモデルを提供する。Gait3Dに基づいて,著者らのフレームワークの優れた性能と野生における歩行認識のための3D表現の可能性を反映する既存の歩行認識アプローチと著者らの方法を包括的に比較した。コードとデータセットはhttps://gait3d.github.ioで利用可能である。【JST・京大機械翻訳】