DECA: Deep viewpoint-Equivariant human pose estimation using Capsule Autoencoders |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2021-08-22 12:10 Human Pose Estimation (HPE) направлена на поиск трехмерного положения суставов человека на изображениях или видео. На ICCV 2021 ребята из университета Тренто показали улучшенный метод HPE - новую сеть капсульного автоэнкодера с быстрой маршрутизацией капсул по методу Вариационного Байеса, названную DECA. При экспериментальной проверке они превзошли другие методы на изображениях глубины как с видимых, так и с невидимых вьюпоинтов, как с видом сверху, так и с видом спереди. В области RGB та же сеть дает самые современные результаты при решении сложной задачи переноса вьюпоинта, а также создает новую структуру для HPE с видом сверху. Подробнее узнаете в статье: https://arxiv.org/pdf/2108.08557v1.pdf Ссылка на GitHub: https://github.com/mmlab-cv/deca Источник: github.com Комментарии: |
|