Est-il possible de former un modèle de haute qualité qui prédit les coordonnées 3D de la surface corporelle de l'animal à partir d'une photographie, sans le balisage DensePose correspondant ?
Des chercheurs de Facebook Artificial Intelligence Research ont soulevé cette question lors de la conférence sur la vision artificielle CVPR 2020.
À propos de la tâche 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!
Comme c'est généralement le cas des articles publiés par des groupes scientifiques éminents comme FAIR - ils sont accompagnés d'un code. Pour les deux articles, il est disponible dans le référentiel officiel detectron2 sur GitHub .
Le premier code du premier article, écrit à l'aide de la première version de detectron, basée sur Caffe2, peut également être trouvé sur GitHub.