¿Es posible entrenar un modelo de alta calidad que prediga las coordenadas 3D de la superficie del cuerpo del animal a partir de una fotografía, sin el marcado DensePose correspondiente?
Investigadores de Facebook Artificial Intelligence Research plantearon este problema en la conferencia de visión artificial CVPR 2020.
Acerca de la tarea DensePose
DensePose-COCO , (). COCO 2014.
:
bounding boxes ,
pixel-perfect foreground-background ,
32 , ,
(c, u, v) , c — , u , v — .
:
( ) 3D , .. 2D SMPL . (c, u, v) .
5 50 COCO 2014.
Mask-RCNN 3D .
- . , . :
DensePose-COCO COCO Dataset , 3D . . , , , .
DensePose Average Precision = 34.9. , = 46.8. , 0 100. knowledge transferring?
, ( , ). SMPL 3D .
, , .
Show me the code!
Como suele ocurrir con los artículos publicados por grupos científicos eminentes como FAIR, van acompañados de un código. Para ambos artículos, está disponible dentro del repositorio oficial detectron2 en GitHub .
El código anterior del primer artículo, escrito con la primera versión de detectron, que se basa en Caffe2, también se puede encontrar en GitHub.