Pose3 ICP 알고리즘, 회전, 이동, 2개의 3차원 점 집합 포즈 정렬하기 2개의 3차원 점 집합을 어떻게 정렬할 수 있는지 알아보겠습니다. 예시다음과 같이 2개의 3차원 집합이 존재합니다. 빨간색 점 집합 포즈를 파란색 점 집합의 포즈로 변환하고 싶습니다. 여기서 포즈는 회전과 위치라 정하겠습니다.코드코드는 다음과 같습니다.def apply_icp(source_points, target_points, threshold=0.02, max_iterations=2000): """ ICP 알고리즘을 사용하여 source_points를 target_points에 맞추는 함수. Parameters: ----------- source_points: Nx3 numpy array target_points: Nx3 numpy array thresho.. 2024. 9. 18. PARE: Part Attention Regressor for 3D Human Body Estimation 리뷰 논문 제목 PARE: Part Attention Regressor for 3D Human Body Estimation (ICCV2021) 논문 바로가기 https://arxiv.org/pdf/2104.08527.pdf 위의 그림은 이 논문이 제안한 PARE 모델이 occlusion(가림)에도 mesh를 이미지에 맞게 복원할 수 있다는 것을 보여줍니다. PARE 모델 이전에 나온 기존 모델인 SPIN에 비해 occlusion sensitivity heatmap의 에러 값이 낮음을 확인할 수 있습니다. 논문 제목에서도 알 수 있듯이 Part Attention Regressor를 통해 3D human body를 추정하는 모델을 제안했습니다. Abstract Figure 1에서도 알 수 있듯이 기존의 모델이 p.. 2022. 6. 20. Multi-Instance Pose Networks: Rethinking Top-Down Pose Estimation 리뷰 Abstract 정리 보통 top-down 방식의 pose estimation 방법은 bounding box 내부에 사람이 1명 있다고 가정을 합니다. 하지만 사람이 겹쳐서 있는 경우, 하나의 bounding box에도 2명 이상의 사람이 존재할 수 있습니다. 이러한 한계를 극복하고자 이 논문에서는 Multi-Instance Pose Network (MIPNet)을 제안했습니다. MIPNet은 2D skeletons을 추정합니다. 그리고 HRNet과 비교했을 때 성능이 좋았으며 부정확한 bounding boxes을 썼을 때 (when fewer, high confidence bounding boxes are used,), HRNet은 성능이 많이 떨어졌지만, MIPNet은 비교적 덜 떨어졌습니다. Int.. 2022. 3. 22. 이전 1 다음
