新基准和损失函数改进了肢体差异的AI姿态估计

研究人员推出了ProPose，这是一个新的基准和标注协议，旨在改进肢体差异人群的二维姿态估计，包括使用假肢或有残肢的人群。ProPose基准通过统一生物肢体、假肢和缺失的拓扑表示，解决了现有数据集中表示偏差的问题。为了克服真实假肢图像的稀缺性，开发了一个真实到合成的数据扩展管道。此外，该团队提出了ProLoss，一种新颖的目标函数，它强制执行肢体内的关键点依赖关系，以防止对机械结构进行不切实际的预测，并在长尾假肢关节的分类方面显示出改进。 AI

影响 通过更好地理解人与辅助设备的交互，增强了AI应用中的包容性。

排序理由 该集群包含一篇详细介绍特定AI任务新基准和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• ProLoss
• ScienceCast

• 论文
• 产品

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