* 본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 해당 논문에서 발췌한 것입니다. 이 자료들은 논문의 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원 논문을 참고하여 확인하시기 바랍니다 AbstractAffectNet은 자연환경에서 감정 컴퓨팅을 위한 가장 큰 얼굴 데이터베이스로, 인터넷에서 1250개의 감정 관련 키워드를 사용해 6개 언어로 1,000,000개 이상의 얼굴 이미지를 수집하고 주석 처리하였습니다. 이 데이터베이스는 7가지 이산적 감정과 발렌스(valence) 및 각성(arousal)의 강도를 포함하며, 감정 인식을 위한 이산적 및 연속적 모델 연구를 지원합니다. 두 가지 딥러닝 모델을 사용해 이산적 감정을 분류..

* 본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 해당 논문에서 발췌한 것입니다. 이 자료들은 논문의 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원 논문을 참고하여 확인하시기 바랍니다. 1. Introduction    BlazePose의 필요성과 배경을 설명하며 시작합니다. 인간의 신체 포즈를 추정하는 기술은 헬스 트래킹, 수화 인식, 제스처 컨트롤과 같은 다양한 응용 분야에서 중요하게 사용됩니다. 그러나 모바일 기기에서 실시간으로 신체 포즈를 추정하기 위해선 기존의 복잡한 신경망을 경량화하는 것이 필수적입니다. BlazePose는 이러한 요구에 맞춰, 모바일 환경에서도 높은 성능을 발휘하도록 설계된 경량화된 CNN 기반 ..

* 본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 해당 논문에서 발췌한 것입니다. 이 자료들은 논문의 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원 논문을 참고하여 확인하시기 바랍니다. 1. Introduction 이 논문은 RGB 비디오에서 여러 인물의 3D 포즈를 추정하고 이를 애니메이션으로 생성하는 프레임워크인 AnimePose를 제안한다. 기존 연구들이 주로 단일 인물의 3D 포즈 추정에 중점을 두었던 반면, 다수 인물의 3D 포즈 추정은 상호작용과 폐색(occlusion) 문제로 인해 어려움이 있다. AnimePose는 2D 포즈 추정과 깊이 맵을 사용하여 각 인물의 상대적 위치를 유지한 채 3D 포즈를 추정하고, ..

* 본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 해당 논문에서 발췌한 것입니다. 이 자료들은 논문의 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원 논문을 참고하여 확인하시기 바랍니다. abstract 이 논문은 RGB 영상을 사용하여 다른 센서 없이 인체 포즈를 추정하는 방법을 제안하며, 이는 비용 절감 및 사용 편의성 측면에서 중요한 연구입니다. 최근 다양한 분야(예: HCI, 로봇 공학, 비디오 분석, 메타버스)에서 3D 인체 포즈 추정에 대한 요구가 증가하고 있습니다. 단일 시점의 RGB 영상만으로 3D 인체 포즈를 추정하는 기존 연구들은 깊이 모호성, 객체 폐색, 배경 혼란, 학습 데이터 부족과 같은 어려움을 겪고 ..

* 본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 해당 논문에서 발췌한 것입니다. 이 자료들은 논문의 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원 논문을 참고하여 확인하시기 바랍니다.  Abstract이 논문은 다중 뷰에서 3D 인간 자세를 추정하는 문제를 다룹니다. 특히, 시야가 제한되거나 가려진 경우의 문제를 해결하기 위해 새로운 인코더-디코더 트랜스포머 아키텍처를 제안합니다. 인코더는 여러 시점에서 감지된 2D 관절을 다루며, 기하학적 관계를 활용한 주의 메커니즘을 적용하여 뷰 간의 정보를 통합합니다. 디코더는 이를 기반으로 3D 자세를 예측합니다. 다양한 데이터셋에서 실험한 결과, 이 방식이 가려진 장면이나 카메라가..

* 본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 해당 논문에서 발췌한 것입니다. 이 자료들은 논문의 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원 논문을 참고하여 확인하시기 바랍니다. 1. Introduction이 논문은 단안 RGB 이미지로부터 정확하고 강력한 3D 손 자세 복원을 목표로 합니다. 이 문제는 손의 높은 관절 자유도, 깊이의 모호성, 가림 현상 등으로 인해 매우 어렵습니다. 기존의 방법들은 파라메트릭과 비파라메트릭 방법으로 나뉩니다. 파라메트릭 방법은 손 모델을 통해 낮은 차원의 파라미터를 추정하는 방식으로, 모델의 사전 지식을 통해 그럴듯한 손 자세를 보장하지만 비선형 회귀와 공간 정보 손실로 인해 정확도..