Исследование метода формирования изображения для эффективного подавления шума в пассивных системах персонального досмотра

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Исследование метода формирования изображения для эффективного подавления шума в пассивных системах персонального досмотра

А.В. Журавлев, Московский государственный технический университет им. Н.Э. Баумана

Аннотация

В докладе рассмотрены способы увеличения чувствительности в пассивных системах персонального досмотра, основанные на интегрировании последовательных кадров. Рассмотрены несколько методов машинного зрения, которые могут быть использованы для слежения за движущимся объектом для интегрирования даже сильно отличающихся кадров. Представлены результаты экспериментов с использованием метода машинного зрения DensePose, основанного на использовании искусственных нейросетей. C помощью метода DensePose находятся сегментация движущегося объекта и текстурные UV-коордитаны на кадрах для модели поверхности тела человека, которые используются в изложенном методе интегрирования кадров. На основе полученных результатов перечислены выявленные недостатки предложенного метода и обозначены направления для дальнейших исследований.

Ключевые слова: радиометр; система досмотра; обработка изображений; синтетическое изображение; обработка видео; обнаружение скрытых предметов.

Abstract

The report discusses approaches to increase sensitivity in passive personell screening systems, based on the integration of sequential frames. Several methods of machine vision are considered, which can be used to track moving subjects to integrate even very different frames. The results of experiments using the machine vision method DensePose, based on the use of artificial neural networks, are presented. Using DensePose, the segmentation of a moving subject and textural UV-coordinates are found on frames for the surface model of the human body, which are used in the described frame integration method. On the basis of obtained results, the shortcomings of the proposed method are identified and listed. The directions of further research are suggested.

Keywords: radiometer; personnel screening system; image processing; computational imaging; video processing; concealed object detection.

Введение

В настоящее время в системах безопасности для обнаружения посторонних предметов под одеждой человека (включая взрывные устройства, контрабанду и др.) разрабатываются системы досмотра людей с использованием излучения в миллиметровом и терагерцовом диапазонах волн. Среди наиболее известных компаний, занимающихся разработкой пассивных систем досмотра, можно перечислить: Millivision[1], Brijot [2], MC2-Technologies [3] и Thruvision [4]. Для увеличения производительности досмотровых систем разработчики стремятся к тому, чтобы быстродействие системы позволяло формировать изображение с кадровой частотой от нескольких герц. Увеличение быстродействия этих и подобных систем наталкивается на два противоречивых требования.

С одной стороны, система досмотра должна формировать изображение достаточно быстро, обеспечивая максимальную производительность. С другой стороны, система досмотра должна иметь высокую чувствительность и обеспечивать высокий контраст скрытых предметов, что достигается увеличением времени накопления сигнала. Увеличение чувствительности досмотровой системы особенно важно, если она является пассивной и используется в помещении. В таких условиях контраст посторонних предметов, скрытых на теле человека под одеждой, весьма низок. В современных системах досмотра время накопления сигнала ограничено величиной, обратной частоте кадров, что для систем досмотра в движении не превышает одной десятой доли секунды. Частоту кадров выбирают такой, чтобы возможное движение досматриваемого лица не сказывалось на получаемых изображениях. Часто в системах досмотра используются RGB-видеокамеры, изображение которых используют для наложения изображения, получаемого в собственном излучении досматриваемого лица в виде дополнительного слоя. В настоящее время для уменьшения шума используют следующие методы: осуществляют усреднение по нескольким соседним пикселям изображения, получая менее зашумленное изображение, ухудшая при этом разрешение кадра; используют несколько последовательных кадров для накопления сигнала, в случае, когда досматриваемый остается неподвижным [5]). Использование зашумленных изображений увеличивает вероятность ложных тревог системы досмотра, что ограничивает ее использование для автоматизированного досмотра лиц в местах массового скопления и передвижения.

В докладе предлагается основанный на использовании машинного зрения метод, с помощью которого чувствительность системы досмотра может быть увеличена за счет использования дополнительного канала видимого диапазона, который присутствует в современных системах досмотра. Метод основан на эффективном увеличении времени накопления сигнала: от величины, обратной частоте формирования кадра, до времени нахождения досматриваемого лица на нескольких кадрах. При этом предполагается, что положение и ориентация досматриваемого лица и его частей тела меняется на последовательности кадров от одного кадра к другому, например, в результате естественного перемещения шагом. Суть метода заключается в извлечении траектории движения человека и его частей тела на последовательности кадров в канале видимого излучения и использовании этой информации для интегрирования зашумленных кадров в используемом диапазоне собственного излучения. В результате обработки последовательности кадров должно получиться синтетическое изображение досматриваемого лица с меньшим уровнем шума, которое может быть преобразовано к любой его позе на последовательности кадров.

1. Базовые методы машинного зрения

Методы машинного зрения, которые могут быть использованы для эффективного увеличения времени накопления в двухканальной системе досмотра, характеризуются в англоязычной литературе ключевым словом non-rigid object reconstruction. Эти методы разработаны для слежения за деформируемыми объектами с изменяемой формой для получения трехмерных моделей и являются развитием метода KinectFusion [6], в котором с использованием RGB-D видеосенсора Microsoft Kinect осуществляется построение трехмерной модели статической сцены в реальном времени. Выходными данными RGB-D видеосенсоров типа Microsoft Kinect и других являются цветное изображение сцены зондирования в трехкомпонентном представлении RGB, а также карта глубина сцены зондирования. Данные о глубине являются зашумленными с многочисленными разрывами, из-за чего непосредственное восстановление поверхности с фотографической детализацией путем простой фильтрации не дает хороших результатов. С целью получения детализированных моделей поверхности в методе KinectFusion и следующих за ним методов используется накопление регистрируемого сигнала с целью уменьшения шума. Конечной задачей является построение детализированной трехмерной модели регистрируемой сцены. В некоторых методах к трехмерной модели может привязываться также текстура.

На рисунке 1 показан результат обработки последовательности кадров и карт глубины с использованием метода KinectFusion [6]. Данные были получены от неподвижного человека при перемещении видеосенсора вручную.

Как видно на рисунке 1, обработка нескольких кадров позволяет восстановить трехмерную модель поверхности статического объекта с хорошей детализацией. Высокое пространственное разрешение восстановленной модели получается, не смотря на значительно зашумленные исходные данные, которые получаются с использованием устройства потребительского класса. Следует отметить, что восстановление поверхности статического объекта происходит без какой-либо предварительной подготовки регистрируемого объекта, а все вычисления происходят в реальном времени с использованием графического ускорителя.

Рис. 1. Результат восстановления поверхности по нескольким кадрам с использованием метода KinectFusion (слева-направо): карта нормалей к поверхности, полученной по одному кадру; карта нормалей к результату обработки нескольких кадров; полученная поверхность с затенением по методу Фонга.

Метод KinectFusion получил развитие в методе DynamicFusion [7], в котором происходит реконструкция сцены с подвижными и деформируемыми объектами в реальном времени с использованием данных RGB-D видеосенсора. Реконструкция геометрии наблюдаемой сцены происходит путем вычисления 6-мерного поля движений, которое преобразует восстанавливаемую геометрию поверхности в геометрию, наблюдаемую на текущем кадре. Так же как и в методе KinectFusion, детализированные модели поверхности с уменьшенным уровнем шума получаются в реальном времени. В методе DynamicFusion так же не требуется какая-либо подготовка наблюдаемой динамической сцены, за счет чего метод может быть использован для широкого диапазона движущихся объектов и наблюдаемых сцен.

Иллюстрация работы метода DynamicFusion приведена на рисунке 2, где показан результат обработки последовательности кадров, полученных в течение 20 секунд. Как видно по приведенным изображениям, не смотря на сложный характер движения человека, поверхность головы и плеч восстанавливается без видимых артефактов с высокой детализацией, в результате первоначальная зашумленная модель поверхности становится более полной, гладкой и непрерывной по мере накопления кадров.

Рис. 2. Реконструкция динамической сцены с помощью метода DynamicFusion, полученная при движении человека и камеры.

В методе DynamicFusion используется объемное разреженное поле деформаций, с помощью которого наблюдаемая поверхность, задаваемая неявно с помощью функции TSDF (truncated signed distance function) [8], преобразуется в наблюдаемую в текущий момент динамическую сцену. Метод DynamicFusion состоит из трех этапов, применяемых к каждому новому кадру:

Вычисление поля деформаций, преобразующих восстанавливаемую модель поверхности в наблюдаемую поверхность.

Интегрирование наблюдаемой поверхности с восстанавливаемой моделью поверхности.

Обновление поля деформаций в соответствии с текущей картой глубины наблюдаемой сцены.

В методе VolumeDeform [9], предназначенном для реконструкции деформируемой поверхности, так же как и в методе DynamicFusion, используется неявное представление регистрируемой поверхности с использованием функции TSDF. Деформация наблюдаемой сцены представляется, в отличие от метода DynamicFusion, плотным полем преобразований на той же сетке, на которой задается восстанавливаемая поверхность. Для дополнительной стабилизации алгоритма нахождения межкадровых соответствий движущейся деформируемой поверхности в методе VolumDeform используются не только пространственные, но и текстурные особенности, в то время как в алгоритме DynamicFusion используются только пространственные особенности.

В методе VolumeDeform к вновь полученным данным применяется алгоритм Marching Cubes [10] для извлечения деформированной поверхности в виде сетки, которая затем используется для нахождения соответствий по глубине с восстанавливаемой поверхностью. Для нахождения соответствий с учетом текстурных особенностей применяется дескриптор SIFT [11]. С использованием найденных соответствий происходит оптимальное вычисление поля деформаций, после чего наблюдаемый кадр интегрируется с восстанавливаемой моделью поверхности.

Результат использования метода VolumeDeform для последовательности кадров с движущимся человеком показан на рисунке 3, где видно, как по мере получения новых кадров происходит значительное уменьшение шума на восстанавливаемой модели поверхности тела человека. На приведенном рисунке показана восстановленная модель поверхности тела движущегося человека, полученная с использованием предыдущих кадров и наложенная на текущий кадр RGB-изображения.

Рис. 3. Восстановление модели поверхности движущегося человека методом VolumeDeform.

Рассмотренные методы построения модели поверхности деформируемого тела с использованием данных RGB-D видеосенсора позволяют достичь существенной ее детализации, не смотря на наличие шума в канале глубины. Описанные свойства методов могут быть использованы для увеличения эффективного времени накопления сигнала в системах досмотра. При этом данные, получаемые в канале собственного излучения наблюдаемого объекта должны накапливаться одновременно с другими данными и привязываться к восстанавливаемой модели деформируемой поверхности в виде текстуры. Необходимым условием применения описанных методов является возможность одновременной регистрации карты глубины сцены зондирования для возможности пересчета точек регистрируемой сцены из системы координат, связанной с одной камерой, в систему координат другой камеры, включая ту, которая формирует изображение в канале собственного излучения объекта.

Другим подходом, который может быть использован для решения сформулированной задачи, может быть подход, основанный на использовании искусственных нейронных сетей. Отличительной особенностью нейросетевых методов является возможность использования неполных данных, затрудняющих применение алгоритмических методов. Так, метод машинного зрения DensePose [12], основанный на использовании нейросетей, позволяет находить соответствие между пикселями изображения на фотографиях людей и точками на обобщенной модели поверхности тела человека в виде текстурных UV-координат, широко используемых в компьютерной графике. Для обучения нейросети DensePose использовалась специально созданная для этой цели база, состоящая из более чем 50 тысяч размеченных вручную изображений. При разметке базы изображений учитывалось то, что люди могли быть в свободной одежде и о положении частей тела под такой одеждой можно было догадываться по положению видимых участков тела человека. Таким образом, обученная нейросеть могла «домысливать» положение фрагментов тела, закрытых свободной одеждой по другим фрагментам тела человека.

Нейросеть DensePose решает следующие задачи: сегментирует с точностью до пикселя людей на изображении, определяет с такой же точностью принадлежность видимой части тела человека соответствующему фрагменту текстуры и находит локальные текстурные координаты пикселя.

Кроме метода DensePose, задача нахождения соответствий пикселей между изображением человека и моделью поверхности его тела решается в ряде других работ [13-17]. Из-за того что во всех этих работах используются обычные изображения (без информации о глубине наблюдаемой сцены) погрешность определения соответствия 3D модели достаточно велика. Все перечисленные методы, основанные на использовании сверточных нейронных сетей, в качестве модели поверхности тела человека используют параметрическую модель тела человека SMPL [18] с открытым исходным кодом.

В следующем разделе с использованием метода DensePose исследуется возможность увеличения времени накопления сигнала с использованием последовательности кадров.

2. Эксперименты и результаты

Исходные экспериментальные данные получались с использованием RGB-D видеосенсора Intel Realsense D435. Устройство размещалось в коридоре, по которому ходили случайные люди. Осуществлялись регистрация и запись в файл всех доступных каналов: RGB, инфракрасного и карты глубины наблюдаемой сцены. В приведенном ниже эксперименте, однако, использовались данные только ИК-канала устройства, которые искусственно зашумлялись. Извлечение текстурных координат происходило с использованием незашумленных изображений, используя метод DensePose, а интегрирование данных происходило с использованием зашумленных кадров. Поскольку в экспериментах использовались кадры, полученные с помощью одной и той же камеры, одни и те же индексы пикселей на исходном из зашумленном кадрах соответствовали одним и тем же точкам наблюдаемой сцены.

Для оценки возможности использования метода DensePose и аналогичных методов для увеличения времени накопления сигнала осуществлялось покадровое нахождение движущегося человека, сегментация частей тела и нахождение UV-координат на изображениях ИК-канала.

На рисунке 4 показаны три кадра с порядковыми номерами 1, 14 и 29 из видеозаписи, состоящей из 32 кадров. Наблюдаемое виньетирование на кадрах происходит из-за включенного ИК-проектора устройства Realsense. ИК-проектор создает структурный подсвет сцены, заметный на ИК-изображениях в виде разбросанных по кадру ярких точек, и используется для вычисления карты глубины внутри устройства. Разрешение показанных изображений намеренно ухудшено в области лица идущего человека.

Рис. 4. Примеры исходных кадров с порядковыми номерами 1, 14 и 29 из видеозаписи, состоящей из 32 кадров.

Результат применения метода DensePose к кадрам видеозаписи показан в таблице 1 с использованием трех кадров, показанных ранее. Первый ряд изображений содержит результат сегментации изображения по фрагментам текстуры, соответствующих различным участкам модели поверхности тела человека. Средний и нижний ряд изображений в таблице 1 содержит параметрические UV-координаты текстур для модели поверхности тела человека. На 29-м кадре в таблице 1 можно заметить, как нейросеть ошибочно распознала болтающийся рукав куртки, которую идущий нес в руках, как правую кисть руки.

Таблица 1. Результат применения метода DensePose к кадрам видеозаписи

Результат извлечения 24 фрагментов текстуры для различных участков поверхности тела движущегося человека на кадре 1 (рисунок 4) показан на рисунке 5, где текстуры представлены в виде изображений размером 256Ч256 пикселей, тогда как размер исходных изображений составлял 640Ч480 пикселей. Таким образом, значение каждой из UV-координат изменялось от 0 до 255. Текстуры были получены следующим образом. В качестве значения пикселя текстуры с координатами (u,v) выбиралось значение пикселя изображения кадра 1 на рисунке 4, который имел аналогичные координаты (u,v) в результате применения метода DensePose (кадр 1 в таблице 1). Из-за того, что для изображений текстур было выбрано более высокое разрешение по сравнению с разрешением исходного изображения, для извлекаемых текстур, показанных на рисунке5, использовалась дополнительно линейная интерполяция.

Представление текстуры с использованием интерполяции приводит к артефактам, которые возникают в вогнутых областях текстур, в которых изначально отсутствуют данные. Линейная интерполяция имело место во всех областях, которые дополняют область определения данных до выпуклой области. Для получения синтетического изображения с низким уровнем шума в результате усреднения последовательности изображений, каждое из которых имеет высокий уровень шума, необходимо суммировать фрагменты текстур, не создавая подобных артефактов. На рисунке 5 можно заметить яркие пятна, возникающие из-за структурного подсвета, создаваемого ИК-проектором. Разрешение текстуры для области лица намеренно ухудшено.

Рис. 5. Фрагменты текстуры, извлеченные по кадру 1 движущегося человека после применения линейной интерполяции. Разрешение текстуры «Голова 2» намеренно ухудшено.

Используя сегментацию людей на изображениях, которая получается с использованием метода DensePose, для достижения эффекта увеличенного времени накоплении сигнала от испытуемых в движении, был использован способ усреднения по извлекаемым от кадра к кадру текстурам, когда интерполяция использовалась только на последнем этапе после накопления данных. Накопление данных происходило в соответствии с выражением

где -- среднее арифметическое N значений интенсивности пикселей, имеющих текстурные координаты на последовательности кадров; -- значение интенсивности на текущем кадре в точке, имеющей текстурные координаты .

Результат применения выражения к последовательности из 32 кадров, наложенный на кадры 1, 14 и 29, показан на рисунке 6. Перед наложением текстур применялась линейная интерполяция для тех точек, в которые не попало ни одного значения в результате интегрирования кадров с использованием выражения .

Рис. 6. Наложение текстуры, полученной в результате накопления сигнала по 32 кадрам видеозаписи, на кадры 1, 14 и 29 (слева-направо).

Эксперименты с накоплением сигнала с использованием зашумленных изображений происходили с использованием имеющихся данных ИК-диапазона. К исходным ИК-изображениям искусственно добавлялся некоррелированный шум с гауссовым распределением с нулевым средним и среднеквадратичным отклонением . При этом нахождение UV-координат происходило по исходным незашумленным изображениям, а накопление сигнала происходило с использованием зашумленных изображений, используя соответствие между пикселями с одинаковыми индексами на исходных и зашумленных изображениях.

Пример 1-го исходного кадра видеопоследовательности и его версии с добавлением гауссового шума со среднеквадратичным отклонением у=30 показан на рисунке 7.

Рис. 7. Пример исходного и зашумленного гауссовым шумом с параметром =30 кадра видеопоследовательности.

На рисунке 8 показаны увеличенные фрагменты изображений, среди которых имеются изображения, полученные с помощью накопления сигнала описанным методом по 32 зашумленным кадрам видеопоследовательности. Для сравнения приводятся изображения, полученные c применением медианного фильтра размером 3Ч3 к первому зашумленному кадру, а также к изображению, полученному с использованием накопления сигнала.

В ходе проведенных описанных экспериментов были получены следующие результаты. Предложенный способ накопления сигнала, в котором использовался метод DensePose, позволяет получить изображение с визуально меньшим уровнем шума, но за счет ухудшения разрешения изображений и появления артефактов, которые имеют несколько причин возникновения. Одной из причин появления артефактов является представление текстуры поверхности тела человека в виде фрагментов. Границы этих фрагментов являются областями на изображении, в которых UV-координаты находятся методом DensePose с наименьшей устойчивостью от кадра к кадру. Переменная освещенность поверхности тела человека при движении, которая не учитывается при интегрированнии кадров, приводит к тому, что наблюдаемые контрастные особенности на изображении человека, заметные на отдельных незашумленных кадрах, значительно ослабевают при интегрировании не только зашумленных, но и исходных кадров.

а) б) в) г) д)

Рис. 8. Результат накопления и переноса текстуры на 1-й кадр видеопоследовательности: а) исходное изображение; б) результат применения гауссового шума с параметром у=30; в) результат применения медианного фильтра размером 3Ч3 к зашумленному кадру; г) результат переноса текстуры, полученной накоплением сигнала, на исходное изображение; д) результат применения аналогичного медианного фильтра размером 3Ч3 на изображение, полученное за счет накопления сигнала.

Использованная в ходе экспериментов линейная интерполяция текстур была выбрана неудачно, поскольку при накоплении текстуры, заданной на более мелкой по сравнению с изображением сетке, остается значительное количество инициализированных нулями данных. Использование дополнительной медианной фильтрации с накопленными данными позволяет незначительно улучшить наблюдаемый результат. Выявленные недостатки метода, полученные с использованием искусственно зашумленных изображений, получаемых единственной камерой, могут быть распространены на данные, полученные с использованием двух каналов, один из которых имеет высокий уровень характерного шума.

В представленном докладе о методе формирования изображений в пассивной персональной системе досмотра, результатом которого является уменьшение шума на изображениях в результате накопления сигнала, был рассмотрен нейросетевой метод DensePose, позволяющий извлекать текстурные координаты, соответствующие используемой модели поверхности тела человека, на фотографических изображениях людей. Попытка использовать выход такой нейросети для улучшения изображения текстуры по последовательности зашумленных кадров описанным способом оказалась неудовлетворительной в силу выявленных и перечисленных недостатков.

Решение поставленной в проекте задачи с использованием одной только нейросети могло бы быть найдено при наличии достаточного массива данных для обучения, в котором были бы представлены исходные данные и желаемый результат, которые были бы, соответственно, входом и выходом для нейросети. Например, в качестве входных данных могла бы быть последовательность зашумленных изображений, а в качестве результата -- несколько изображений испытуемого в показательных позах, на которых уровень шума был бы достаточно низким. Для генерации массива данных требуемого объема можно было бы использовать численное моделирование, в котором используется адекватная численная модель устройства, формирующего изображение в диапазоне собственного излучения наблюдаемого объекта. Используя обозначенный подход, наличие каких-либо других устройств, например, видеокамеры, было бы не обязательным, а архитектура нейросети могла бы учитывать физические особенности формирования изображений и динамику движения.

Приведенные в докладе методы машинного зрения DynamicFusion и VolumeDeform, использующие классический алгоритмический подход, могут показать лучший результат в рассматриваемой задаче, чем метод DensePose. В этих методах используется неявное представление поверхности в виде функции TSDF, которая задается в пространстве и не имеет искусственных границ, как текстурные фрагменты в методе DensePose, являющиеся неустойчивыми областями при нахождении текстурных координат на последовательности кадров. Использование объемного представления в виде функции TSDF может учесть такие особенности решаемой задачи, как расположение скрытых объектов на некоторой глубине по отношению к наблюдаемой поверхности движущегося объекта. При этом, вычисляемое поле преобразований, которое совмещает наблюдаемый кадр и восстанавливаемую модель поверхности, может быть использовано и для преобразования областей, расположенных на некоторой глубине, где расположены скрытые предметы, изображение которых в канале собственного излучения имеет высокий уровень шума.

Обозначенная в докладе проблема переменных условий освещения наблюдаемого движущегося объекта, может иметь место и при наблюдении за объектом в диапазоне собственного излучения. Для учета этого эффекта, по всей видимости, потребуется использовать модель освещения наблюдаемой сцены, чтобы в результате накопления кадров контраст скрытых под одеждой предметов не уменьшался. Развитие метода формирования изображений в обозначенных направлениях может способствовать получению наилучшего результата.

чувствительность кадр зрение досмотр

Литература

Millivision Technologies

Brijo.

MC2 Technologies

Thruvision

Пат. US20120026336 США, МПК G01S13/887, G01V8/005. Method and system of enhanced integration of millimeter wave imagery / I. Koren, L. Turzanski; заявитель Brijot Imaging Systems Inc. ; заявл. 29.07.10 ; опубл. 02.02.12 ; приоритет 29.07.10.

R.A. Newcombe et al., “KinectFusion: Real-time dense surface mapping and tracking,” in 2011 10th IEEE International Symposium on Mixed and Augmented Reality, 2011, pp. 127-136.

R.A. Newcombe, D. Fox, and S.M. Seitz, “DynamicFusion: Reconstruction and tracking of non-rigid scenes in real-time,” in 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2015, pp. 343-352.

B.L. Curless, “New Methods for Surface Reconstruction from Range Images,” PhD thesis, Stanford University, 1997.

M. Innmann, M. Zollhцfer, M. NieЯner, C. Theobalt, and M. Stamminger, “VolumeDeform: Real-time Volumetric Non-rigid Reconstruction,” in Proceedings of the European Conference on Computer Vision (ECCV), 2016.

Lorensen,W., Cline, H.: Marching cubes: A high resolution 3D surface construction algorithm. Proc. SIGGRAPH 21(4) (1987) 163-169.

Lowe D.G.: Distinctive image features from scale-invariant keypoints. IJCV 60 (2004) 91-110.

R.A. Gьler, N. Neverova, and I. Kokkinos, “DensePose: Dense Human Pose Estimation In The Wild,” arXiv:1802.00434 [cs], Feb. 2018.

R.A. Gьler, G. Trigeorgis, E. Antonakos, P. Snape, S. Zafeiriou, and I. Kokkinos, “DenseReg: Fully Convolutional Dense Shape Regression In-the-Wild,” arXiv:1612.01202 [cs], Dec. 2016.

T.-Y. Lin, P. Dollбr, R. Girshick, K. He, B. Hariharan, and S. Belongie, “Feature Pyramid Networks for Object Detection,” Dec. 2016.

A. Kanazawa, M. J. Black, D. W. Jacobs, and J. Malik, “End-to-end Recovery of Human Shape and Pose,” in Computer Vision and Pattern Regognition (CVPR), 2018.

H.-Y. F. Tung, H.-W. Tung, E. Yumer, and K. Fragkiadaki, “Self-supervised Learning of Motion Capture,” arXiv:1712.01337 [cs], Dec. 2017.

G. Pavlakos, L. Zhu, X. Zhou, and K. Daniilidis, “Learning to Estimate 3D Human Pose and Shape from a Single Color Image,” in CVPR, 2018.

M. Loper, N. Mahmood, J. Romero, G. Pons-Moll, and M. J. Black, “SMPL: A Skinned Multi-person Linear Model,” ACM Trans. Graph., vol. 34, no. 6, pp. 248:1-248:16, Oct. 2015.

Размещено на Allbest.ru