Core Concepts
BodyMAP nutzt Tiefenbild und Druckbild einer Person im Bett, um gemeinsam das Körpermodell und eine 3D-Druckverteilungskarte über den gesamten Körper vorherzusagen.
Abstract
Die Studie stellt BodyMAP vor, ein tiefes Lernmodell, das aus einem Tiefenbild und dem entsprechenden 2D-Druckbild einer Person im Bett das Körpermodell (3D-Pose und -Form) und eine 3D-Druckverteilungskarte über den gesamten Körper vorhersagt.
Kernpunkte:
BodyMAP kombiniert mehrere visuelle Modalitäten, einschließlich Tiefenbild und 2D-Druckbild, um das Körpermodell und die 3D-Druckverteilung gemeinsam vorherzusagen.
Die 3D-Druckverteilungskarte wird als Druckwert an jedem Netzwerkknoten des Körpermodells dargestellt, was eine genaue Lokalisierung von Hochdruckbereichen auf dem Körper ermöglicht.
BodyMAP-WS ist eine neue Formulierung der Druckvorhersage, bei der die 3D-Druckverteilung implizit durch Ausrichtung der vorhergesagten 2D-Projektion mit dem Eingabe-Druckbild gelernt wird, ohne direkte Supervision.
Die Evaluierung zeigt, dass BodyMAP die derzeitigen Spitzenmethoden um 25% bei der Vorhersage von Körpermodell und 3D-Druckverteilung übertrifft.
Stats
Die Vorhersage des Körpermodells weist einen mittleren Positionsfehler (MPJPE) von 51,01 mm und einen mittleren Vertexfehler (PVE) von 61,66 mm auf.
Der Vertex-zu-Vertex-Druckfehler (v2vP) beträgt 2,14 kPa².
Der Vertex-zu-Vertex-Druckfehler mit einer Glättung über benachbarte Vertices (v2vP 1EA) beträgt 1,27 kPa².
Der Vertex-zu-Vertex-Druckfehler mit einer Glättung über Vertices bis zu zwei Kanten entfernt (v2vP 2EA) beträgt 0,83 kPa².
Quotes
Keine relevanten Zitate identifiziert.