Dieses Repository enthält ein Modell für 3D-Ganzkörper-Poseschätzung, das auf dem WholeBody3D (H3WB) Datensatz und der Referenzarchitektur trainiert wurde. Das Modell schätzt gleichzeitig die 3D-Posen von Körper, Händen und Gesicht aus 2D Pose Daten.
📋 Modell-Details
Entwickler: Jonas D. Stephan, Nathalie Dollmann
Architektur: SimpleBasline aus [https://github.com/wholebody3d/wholebody3d](https://github.com/wholebody3d/wholebody3d)
Trainingsdaten: WholeBody3D (H3WB & T3WB) Datensätze.
Framework: PyTorch
Input: 2D-Koordinaten (133 Keypoints) für Körper-, Hand- und Gesichts-Keypoints (3DMM-Parameter), wie im H3WB-Format definiert.
Output: 3D-Koordinaten (133 Keypoints) für Körper-, Hand- und Gesichts-Keypoints (3DMM-Parameter), wie im H3WB-Format definiert.
@inproceedings{zhu2023h3wb,
title={H3WB: Human3.6M 3D WholeBody Dataset and Benchmark},
author={Zhu, Yue and Samet, Nermin and Picard, David},
booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
year={2023}
}
/@misc{2024,
title = {{}: A 3D Whole-Body Pose Estimation Model},
author = {Stephan, Jonas D. and Dollmann, Nathalie},
howpublished = {\url{https://github.com//}},
year = {2024}
}/
🙏 Danksagung
Dieses Projekt basiert auf der Arbeit des WholeBody3D (H3WB) Teams. Vielen Dank an Yue Zhu, Nermin Samet und David Picard für die Bereitstellung des hervorragenden Datensatzes und Codes.
⚖️ Lizenz
Der Code in diesem Repository ist, sofern nicht anders angegeben, unter der MIT-Lizenz lizenziert. Siehe die Datei LICENSE für Details.
Das Modell nutzt Daten und Architektur, die unter der MIT-Lizenz vom H3WB-Projekt veröffentlicht wurden. Copyright 2023 der H3WB-Autoren. Copyright 2024 Jonas D. Stephan & Nathalie Dollmann.
