研究人员开发了 PoseShield，一种解决人体姿态估计和运动生成中自碰撞问题的新颖方法。该技术在 SMPL 姿态空间内直接定义了神经碰撞约束，将校正表述为约束优化问题。PoseShield 利用 Eikonal 正则化来提高数值稳定性和鲁棒性，在低维姿态空间而非网格空间中运行。该方法还可以作为运动序列的后处理碰撞校正器，无需重新训练原始模型，在新基准测试中取得了 95.8% 的成功率。 AI
影响 引入了一种新技术，用于提高生成的人体运动和姿态数据的真实感和物理合理性。
排序理由 该集群描述了一篇详细介绍人体姿态估计新颖方法的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
PoseShield addresses self-collision issues in SMPL-based human pose estimation by applying neural collision constraints in pose space through constrained optimization and Eikonal regularization.
arXiv:2606.29686v1 Announce Type: new Abstract: Self-collision remains a persistent challenge in SMPL-based human pose estimation and motion generation. Under extreme articulations or stochastic motion synthesis, generated meshes frequently exhibit self-penetrations, leading to p…