Kirjaudu sisään
näkemys - 3D 인체 자세 추정
3D 인체 자세 추정을 위한 운동학 및 궤적 사전 지식 강화 트랜스포머
본 논문은 기존 트랜스포머 기반 방법의 약점을 극복하기 위해 운동학 사전 주의 모듈(KPA)과 궤적 사전 주의 모듈(TPA)을 제안한다. 이를 통해 공간적 및 시간적 상관관계를 동시에 모델링할 수 있다.
정확한 3D 인체 자세 추정을 위한 다중 관점 공간-시간 관계 변환기
본 연구는 다중 관점 비디오 데이터에서 공간, 시간 및 3D 공간 관계 정보를 효과적으로 활용하여 정확한 3D 인체 자세 추정을 달성하는 것을 목표로 한다.
3D 레이더 비전을 활용한 정확하고 안정적인 인체 자세 추정
레이더 점군 데이터의 노이즈와 불일치성을 해결하기 위해 확산 모델 기반의 새로운 인체 자세 추정 방법을 제안한다.
3D 인체 자세 추정을 위한 도메인 일반화를 위한 이중 증강기 프레임워크
제안된 이중 증강기 프레임워크는 3D 인체 자세 추정에서의 도메인 일반화 문제를 해결하기 위해 약한 증강기와 강한 증강기를 활용하여 소스 도메인 정보를 유지하면서도 소스 분포 외부의 지식을 탐색할 수 있도록 한다. 또한 메타 최적화를 통해 소스, 약한 증강, 강한 증강 데이터 간의 상호작용을 강화하여 도메인 불변 지식을 습득할 수 있도록 한다.
3D 인체 자세 추정을 위한 도메인 일반화를 위한 이중 증강기 프레임워크
제안된 이중 증강기 프레임워크는 3D 인체 자세 추정에서의 도메인 일반화 문제를 해결하기 위해 약한 증강기와 강한 증강기를 활용하여 소스 도메인 정보를 유지하면서도 소스 도메인을 벗어난 분포를 탐색할 수 있도록 한다. 또한 메타 최적화를 통해 소스, 약한 증강, 강한 증강 데이터 간의 상호작용을 강화하여 도메인 불변 지식을 습득할 수 있도록 한다.
Tuotteet | Materiaalit
© 2024 by Linnk AI