Please use this identifier to cite or link to this item:
https://elib.psu.by/handle/123456789/47733| Title: | Оценка 3D-позы человека на основе 2D ключевых точек |
| Authors: | Дин, A. Недзьведь, О. В. Ding, A. Nedzved, O. |
| Other Titles: | Human 3d Pose Estimation Based on 2D Keypoints |
| Issue Date: | 2025 |
| Publisher: | Полоцкий государственный университет имени Евфросинии Полоцкой |
| Citation: | Дин, A. Оценка 3D-позы человека на основе 2D ключевых точек / A. Дин, Н. В. Недзьведь // Вестник Полоцкого государственного университета. Серия C, Фундаментальные науки. - 2025. - № 1 (44). - С. 2-8. - DOI: 10.52928/2070-1624-2025-44-1-2-8 |
| Abstract: | Предложена инновационная мало выборочная легковесная архитектура для решения задачи оценки 3D-позы человека на основе 2D ключевых точек. В рамках данного подхода введены специализированные обучаемые позиционные кодировки, предназначенные для задач трехмерной оценки позы, которые используются совместно с традиционными позиционными кодировками для представления входных данных. Архитектура метода включает многоуровневую обработку признаков и их адаптивное объединение с использованием механизма пространственного внимания, что позволяет усиливать релевантные признаки. Эксперименты, проведенные на стандартных тестовых наборах данных, подтвердили эффективность предложенного метода: достигнуто значение средней ошибки положения суставов (MPJPE) 42,1, что превосходит результаты существующих подходов. |
| metadata.local.description.annotation: | In the presented work, innovative low-sampling lightweight architecture is proposed to solve the task of 3D human pose estimation based on 2D key points. The approach introduces specialized trainable pose encodings designed for 3D pose estimation tasks, which are used in conjunction with traditional pose encodings to represent the input data. The architecture of the method includes multilevel feature processing and their adaptive association using a spatial attention mechanism, which allows to enhance relevant features. Experiments conducted on standard test datasets confirmed the effectiveness of the proposed method: a mean joint position error (MPJPE) value of 42.1 was achieved, which exceeds the results of existing approaches. |
| URI: | https://elib.psu.by/handle/123456789/47733 |
| metadata.dc.rights: | open access |
| metadata.dc.identifier.doi: | 10.52928/2070-1624-2025-44-1-2-8 |
| Appears in Collections: | 2025, № 1 (44) |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.