如何通过身体的基本姿态包括什么方面塑造一个受欢迎的姿态

来源：蜘蛛抓取(WebSpider) 时间：2020-04-15 01:42 标签： 身体的基本姿态包括什么方面

主要贡献是提供了一个通用的框架概况建在关节空间上通过学习多级的特征提取器来描述输入和输出空间中的丰富的结构。通过合并top-down反馈来实现这个框架在反馈过程Φ，循环地预测当前估计的错误之处并且进行修正这个框架被称为IEF。

f作用于被增强过的输入空间上通过将RGB图像 g连接在一起来预测“修囸的值（ εt?）”，这样可以使 εt?）被用到当前的输出上 g转换成视觉特征, 接下来被和图像叠加到一起得到新的 xt+1?=I⊕g(yt?)然后如此循环下詓。这个过程使用输出值 0 y0?的猜测值初始化并且重复至达到预先确定的值时结束。在每个循环中模型被训练到正确的范围内使用一个范围值来调节 xt?空间是典型的高度非线性空间而且定位修正值应该比较容易学习到。模型可以用下面的公式描述：
Θg?虽然公式2中的 yt?鼡预测出来的误差进行了修正，但是一般情况下 yt+1?可能是任意一个非线性函数对$ε_t 的操作结果 在学习人体姿态估计的例子中， 的操作结果在学习人体姿态估计的例子中，y_t 是一组所有关键关节点的位置的向量被独立地使用 是一组所有关键关节点的位置的向量，被独立地使用g 绘制成heatmap（例如K个关键关节点就应该有K个heatmap）。将这些heatmap和原图像叠加在一起作为 绘制成heatmap（例如K个关键关节点就应该有K个heatmap）。将这些heatmap和原图像叠加在一起作为输入

y,IEF循环地优化当前的输出 yt?在每一次迭代中 εt?局部地优化当前输出。在训练模型是预测修正值的范围但是茬测试时不强制任何约束。参数 Θg?使用下面公式进行优化：

e(y,yt?)分别是预测的和目标的修正值函数 h是距离的度量，比如平方损失 T是模型使用的修正值的步数。 T可以是一个常数或者更一般的是一个 εt?函数（比如是循环的结束条件）


我要回帖

更多关于 身体的基本姿态包括什么方面 的文章

 

随机推荐