徐亦達團隊在ECCV2020上發(fā)表了一篇機器學(xué)習(xí)論文

• End-to-end Dynamic Matching Network for Multi-view Multi-person 3d Pose Estimation（端到端多人多視角3d動態(tài)匹配網(wǎng)絡(luò)）

論文第一作者：黃聰臻韜，本科就讀于中國科學(xué)技術(shù)大學(xué)-計算機科學(xué)與技術(shù)系，于2017年畢業(yè)。畢業(yè)后進入悉尼科技大學(xué)徐亦達教授門下攻讀博士學(xué)位，專業(yè)方向是計算機視覺-人體姿態(tài)識別。，徐亦達老師的博士生

徐亦達教授簡介：

現(xiàn)任悉尼科技大學(xué)教授，UTS 全球數(shù)據(jù)技術(shù)中心機器學(xué)習(xí)和數(shù)據(jù)分析實驗室主任。主要研究方向是機器學(xué)習(xí)，數(shù)據(jù)分析和計算機視覺。他在國際重要期刊與會議發(fā)表數(shù)篇高影響因子論文；編寫了大量的數(shù)理統(tǒng)計、概率和機器學(xué)習(xí)教材。

徐老師的 github：https://github.com/roboticcam

優(yōu)酷：http://i.youku.com/i/UMzIzNDgxNTg5Ng

論文介紹

1. End-to-end Dynamic Matching Network for Multi-view Multi-person 3d Pose Estimation

端到端多人多視角3d動態(tài)匹配網(wǎng)絡(luò)

論文作者：Congzhentao Huang, Shuai Jiang*， Yang Li, Ziyue Zhang, Jason Traish, Chen Deng, Sam Ferguson, and Richard Yi Da Xu

論文鏈接：iv.org/pdf/見文末下載

論文摘要

作為一項重要的計算機視覺任務(wù)，多人、多視角場景下的三維人體姿態(tài)估計受到了廣泛的關(guān)注并產(chǎn)生了許多有趣的應(yīng)用。傳統(tǒng)方法一般使用3DPS來處理這一任務(wù)。但是，這些方法計算量大并且檢測精度不高。最近，隨著深度學(xué)習(xí)網(wǎng)絡(luò)的發(fā)展，一個新的方法是使用一個包含三個子模塊的模型: (1)檢測每個視角下的二維人體骨架，(2)匹配二維骨架，(3)使用匹配好的二維骨架計算三維姿態(tài)。現(xiàn)有的許多方法參照這個模型分成三步來進行三維姿態(tài)估計。但是分步計算會導(dǎo)致一些問題。例如，在訓(xùn)練中三維姿態(tài)的結(jié)果可能會取決于步驟1的二維檢測結(jié)果，步驟2的匹配算法也會影響三維姿態(tài)的估計。為了解決這些問題，我們提出了一種端到端的訓(xùn)練方案。我們從最近膠囊網(wǎng)絡(luò)中的動態(tài)路由得到啟發(fā)，動態(tài)路由和我們的匹配模塊一樣，也是獨立于主干網(wǎng)絡(luò)的，但動態(tài)路由決定了梯度如何從上層流向下層。同樣，我們工作中的動態(tài)匹配模塊也決定了梯度如何從步驟3流向步驟1。此外，由于多視角的存在，現(xiàn)有的匹配算法不能同時做到結(jié)果穩(wěn)定和高效率。因此，我們提出了一種新的匹配算法，可以快速地匹配來自多個視角的二維骨架。同時該算法具有極強的穩(wěn)定性，能夠很好地處理二維檢測缺失和錯誤的情況。

圖1?模型架構(gòu)

圖2 匹配算法概述

圖3 模型評價結(jié)果

總結(jié)

論文下載：

鏈接：https://pan.baidu.com/s/16Sh-6RSJ6iNRMWTXsGOkKQ

提取碼：678i

不多說了，徐亦達老師團隊出品，必屬精品，建議下載慢慢看。

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機器學(xué)習(xí)在線手冊深度學(xué)習(xí)筆記專輯《統(tǒng)計學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載機器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專輯獲取一折本站知識星球優(yōu)惠券，復(fù)制鏈接直接打開：https://t.zsxq.com/yFQV7am本站qq群1003271085。加入微信群請掃碼進群：

總結(jié)

以上是生活随笔為你收集整理的首发：徐亦达团队新论文推荐(ECCV2020)：端到端多人多视角3d动态匹配网络的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。