PulseAugur
中
实时 09:32:27
English(EN) HSTGFormer: Hyper Spatial-Temporal Graph Transformer for 3D Human Pose Estimation

新型HSTGFormer模型推动3D人体姿态估计发展

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出HSTGFormer，这是一个新颖的、增强了图结构的Transformer框架，用于单目3D人体姿态估计。该模型通过在关节-时间节点上采用局部耦合图聚合来重新构建空间-时间推理。它利用超空间-时间图（HSTG）将推理分解为局部感受野，并利用自适应双尺度时间图（ADSTG）来捕捉关节特异性时间依赖性。在Human3.6M和MPI-INF-3DHP数据集上的实验表明，HSTGFormer在显著的计算效率下实现了高精度。 AI

影响 该新模型为3D人体姿态估计任务提供了更高的准确性和计算效率。

排序理由 该集群包含一篇详细介绍用于3D人体姿态估计的新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型HSTGFormer模型推动3D人体姿态估计发展

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Ruochen Li, Shuang Chen, Wenke E, Farshad Arvin, Amir Atapour-Abarghouei ·

    HSTGFormer：用于3D人体姿态估计的超空间-时间图Transformer

    arXiv:2608.12187v1 Announce Type: cross Abstract: Transformer-based methods have achieved strong performance in monocular 3D human pose estimation, but most existing approaches organise spatial and temporal reasoning as separate stages, which may weaken unified spatial-temporal i…

相关实体

相关话题