文献

J-GLOBAL ID：202202275187291146   整理番号：22A0914415

AirPose:空中3D人間姿勢と形状推定のためのマルチビュー融合ネットワーク【JST・京大機械翻訳】

AirPose: Multi-View Fusion Network for Aerial 3D Human Pose and Shape Estimation

著者 (5件)： Saini Nitin (Max Planck Institute for Intelligent Systems, Tuebingen, Germany) ,  Bonetto Elia (Max Planck Institute for Intelligent Systems, Tuebingen, Germany) ,  Price Eric (Max Planck Institute for Intelligent Systems, Tuebingen, Germany) ,  Ahmad Aamir (Max Planck Institute for Intelligent Systems, Tuebingen, Germany) ,  Black Michael J. (Max Planck Institute for Intelligent Systems, Tuebingen, Germany)
資料名： IEEE Robotics and Automation Letters  (IEEE Robotics and Automation Letters)
巻： 7  号： 2  ページ： 4805-4812  発行年： 2022年 
JST資料番号： W2448A  ISSN： 2377-3766  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本レターでは,オンボードRGBカメラと計算による自律無人機(UAV)のチームを使用する,非構造化,屋外環境用の新しい無マーカー3D人間運動捕獲(MoCap)システムを提示する。既存の方法は,較正カメラとオフライン処理によって制限される。したがって,複数の外因性非較正飛行カメラによって捉えられた画像を用いて,人間の姿勢と形状を推定するための最初の方法(AirPose)を提示する。エアPose自体は,任意の事前キャリブレーションに依存する代わりに,人に対してカメラを較正する。それは,個人(すなわち,それらの3D形状および関節姿勢)について互いに視点独立情報を伝達する各UAV上で走行する分散ニューラルネットワークを使用する。人の形状と姿勢をSMPL-X体モデルを用いてパラメータ化し,UAV間の通信を最小化するコンパクトな表現をもたらした。ネットワークを現実的仮想環境の合成画像を用いて訓練し,実画像の小さな集合上で微調整した。また,より高いMoCap品質を必要とするオフライン応用のための最適化ベース後処理法(AirPose+)を導入した。提案手法のコードとデータをhttps://github.com/robot-perception-group/AirPoseでの研究に利用できる。アプローチと結果を記述するビデオはhttps://youtu.be/xLYe1TNHsfsで利用可能である。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  最適化 ,  *推定 ,  *ネットワーク ,  ニューラルネットワーク ,  画像 ,  捕獲 ,  無人機 ,  録画装置 ,  飛翔 ,  *三次元
準シソーラス用語： 屋外環境 ,  仮想環境 ,  三次元形状 ,  *形状推定 ,  RGBカメラ , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (6件)： 3D ,  人間 ,  姿勢 ,  形状推定 ,  マルチビュー ,  融合