CMU Panoptic
PulseAugur coverage of CMU Panoptic — every cluster mentioning CMU Panoptic across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新方法可实现快速移动物体实时4D重建
研究人员推出了FastFlowGS，这是一种新颖的流式4D重建方法，可使用有限数量的外部摄像头对快速移动的主体进行重建。该技术在Monaco4D上进行了基准测试，Monaco4D是一个在Unreal Engine 5中创建的新的照片级真实感数据集，专为一级方程式赛车等高速户外重建场景而设计。FastFlowGS集成了稀疏匹配、半密集跟踪和密集光流，与标准和自定义基准上的现有方法相比，在重建质量和效率方面取得了显著的改进。
-
新的MEOM方法提高了3D人体姿态估计的准确性
研究人员开发了一种名为多视角期望-OKS最大化（MEOM）的新方法，用于从多视角2D关键点改进3D人体姿态估计。MEOM通过利用关键点预测的整个热图，而不仅仅是单个峰值，来解决传统方法的局限性，从而更好地处理遮挡和多模态热图。该框架可以在有或没有3D监督的情况下应用，在Human3.6M和CMU Panoptic等具有挑战性的数据集上取得了最先进的成果，在准确性方面优于现有方法，同时需要更低的计算成本。
-
新的VQ-VAD框架使用离散运动进行视频异常检测
研究人员开发了VQ-VAD，一个用于以人为中心的视频异常检测的新框架，它学习离散的运动表示。该方法改编了向量量化GAN（VQ-GAN），从关键点序列创建正常行为的码本。当观察到的运动序列无法映射到此码本时，检测到异常，表明存在不寻常的活动。VQ-VAD系统在各种评估设置中表现出强大的性能，包括域内准确性和跨域泛化。
-
新的AI模型InterMesh和Anny-Fit推动3D人体姿态和形状恢复
研究人员开发了InterMesh，一个多人物体姿态恢复的新框架，该框架明确纳入了人与环境的交互信息。通过用结构化的交互语义丰富查询表示，这种方法增强了姿态和形状估计，并在基准数据集上取得了显著改进。另外，Anny-Fit被引入为一个全年龄段3D人体网格恢复的多人优化框架，它联合优化个体并利用各种形式的专家知识来提高准确性和连贯性。