H36M VS 3DPW datasets

1采集设备方面

H36M使用了高精度的多视角摄像机动态捕捉系统获得了非常准确和连贯的3D关节坐标标注。

3DPW使用了单目摄像机与IMU的复合传感系统进行采集,存在一定程度的标注噪声。

2场景环境方面

H36M主要针对室内定向动作,背景单一简洁。

3DPW重点是室外复杂环境中人的自然动作,场景复杂多变。

3提供的标注

H36M给出了3D关节坐标和对应的图片数据。

3DPW提供了3D骨骼和2D关键点,但没有对应的图片数据。

4标注形式

H36M以3D坐标的形式直接提供了关节位置。

3DPW给出的是经过注册的3D人体网格,需要自己提取骨骼。

Human3.6M数据集原始并没有提供SMPL参数,

这里的关键点是:

  1. SMPL GT参数是通过MoSh获得的。
  2. MoSh是将SMPL模型 fitting 到物理标记上的。
  3. 而不是数据集原始就提供SMPL参数。

所以这个过程是:

  1. Human3.6M提供物理动作捕捉的标记数据。
  2. 使用者通过MoSh,将SMPL模型拟合到标记,生成SMPL参数。
  3. 作为额外的监督信息,提供了SMPL参数。
相关推荐
编码小哥5 分钟前
OpenCV特征匹配:暴力匹配与FLANN匹配实战
人工智能·opencv·计算机视觉
数字游民952710 分钟前
网站备案全流程回放(腾讯云)
人工智能·git·github·腾讯云·网站备案·waytoopc
武子康10 分钟前
大数据-210 如何在Scikit-Learn中实现逻辑回归及正则化详解(L1与L2)
大数据·后端·机器学习
飞哥数智坊13 分钟前
3位实战分享、6个案例展示,TRAE Friends@济南第二场圆满完成
人工智能·ai编程·trae
xiaobaishuoAI14 分钟前
全链路性能优化实战指南:从瓶颈定位到极致优化
大数据·人工智能·科技·百度·geo
人工小情绪14 分钟前
深度学习模型部署形式
人工智能·深度学习
AI_567816 分钟前
零基础学Linux:21天从“命令小白”到独立部署服务器
linux·服务器·人工智能·github
jarreyer16 分钟前
数据项目分析标准化流程
开发语言·python·机器学习
乾元18 分钟前
如何把 CCIE / HCIE 的实验案例改造成 AI 驱动的工程项目——从“实验室能力”到“可交付系统”的完整迁移路径
大数据·运维·网络·人工智能·深度学习·安全·机器学习
kisshuan1239618 分钟前
【深度学习】【目标检测】基于Mask R-CNN的鱼类尾巴检测与识别
深度学习·目标检测·r语言