인간 동작 캡처를 위한 최적화 및 필터링

모델 기반 3D 인간 동작 캡처에 로컬 최적화 및 필터링이 널리 적용되어 왔습니다. 최근에는 추적 및 초기화를 위한 유망한 대안 솔루션으로 전역 확률적 최적화가 제안되었습니다. 최적화 및 필터링의 이점을 누리기 위해, 우리는 확률적 최적화, 필터링 및 로컬 최적화를 결합한 다층 프레임워크를 소개합니다. 첫 번째 층은 상호 작용하는 모의 어닐링 및 물리적 제약에 대한 일부 약한 사전 정보에 의존하고, 두 번째 층은 필터링 및 로컬 최적화를 통해 추정값을 정교하게 하여 시간이 지남에 따라 정확도가 증가하고 모호성이 해결됩니다. 실험 평가에서, 우리는 다층 프레임워크의 유의미한 개선을 입증하고 전체 HumanEva-II 데이터셋에 대한 정량적 3D 포즈 추적 결과를 제공합니다. 이 논문은 또한 전역 확률적 최적화와 입자 필터링, 어닐링 입자 필터링, 로컬 최적화의 비교를 포함합니다.