申请试用
HOT
登录
注册
 
在域外数据(out-of-domain data)上的3D人体重建
在域外数据(out-of-domain data)上的3D人体重建

在域外数据(out-of-domain data)上的3D人体重建

白玉兰开源
/
发布于
/
250
人观看

议题简介

本次报告主要介绍当测试数据和训练数据出现domain gap较大时,如何精确的重建3D人体。当测试数据在相机参数、肢体比例、环境以及动作种类与训练数据差别很大时,现有的方法很难估计出准确的3D人体。针对此问题,我们的总体思路是在附加时序约束的情况下,在测试数据上对模型进行单次动态微调,以此减小domain gap。其中,通过引入时序约束可以有效防止模型过拟合。
此外,为了更好的结合单帧约束和时序约束,我们提出双层在线适配算法(BOA,Bilevel Online Adaptation),将多目标优化过程分解为权重探测和权重更新两个步骤。 我们以Human 3.6M训练集,以3DPW和MPI-INF-3DHP为测试集,验证了BOA能准确重建出域外数据的3D人体。

讲师简介

官善琰,上海交通大学人工智能研究院在读博士生。主要研究兴趣集中于单目3D人体重建。目前以第一作者身份在CVPR、AAAI发表会议论文2篇。

0 点赞
0 收藏
0下载
确认
3秒后跳转登录页面
去登陆