Three-dimensional motion capture fo

Three-dimensional motion capture for human sub jects is underde- termined
when the input is limited to a single camera, due to the inherent 3D ambiguit y of 2D video. We present a system that re- constructs the 3D motion of
human sub jects from single-camera video, relying on prior knowledge ab out
human motion, learned from training data, to resolve those ambiguities. After
initializa- tion in 2D, the tracking and 3D reconstruction is automatic; we show
results for several video sequences. The results show the p ower of treating 3D
b o dy tracking as an inference problem.

ผลลัพธ์ (ไทย) 1:

จับภาพเคลื่อนไหวสามมิติสำหรับมนุษย์ย่อย jects เป็น underde-terminedเมื่ออินพุตเป็นกล้องเดียว เนื่องจาก y ambiguit 3D โดยธรรมชาติของ 2D วิดีโอจำกัด เรานำเสนอระบบที่เคลื่อนไหว 3D ของใหม่โครงสร้างjects มนุษย์ย่อยจากเดียวกล้องวิดีโอ อาศัยความรู้เดิม ab ออกมนุษย์เคลื่อนไหว เรียนรู้จากข้อมูลการฝึกอบรม การแก้ไข ambiguities เหล่านั้น หลังจากinitializa-สเตรชันใน 2D ฟื้นฟูติดตาม และ 3D เป็นอัตโนมัติ เราแสดงผลลัพธ์สำหรับลำดับวิดีโอหลาย Ower p ของรักษา 3D แสดงผลติดตาม dy o b เป็นมีข้อปัญหา

ผลลัพธ์ (ไทย) 2:

การจับภาพเคลื่อนไหวสามมิติสำหรับ jects ย่อยมนุษย์เป็น termined underde-
เมื่อป้อนข้อมูลถูก จำกัด ไว้ที่กล้องเดียวเนื่องจาก ambiguit 3D โดยธรรมชาติและวิดีโอ 2D เรานำเสนอระบบที่อีกครั้งสร้างภาพเคลื่อนไหว 3 มิติของ
jects ย่อยของมนุษย์จากภาพเดียวกล้องอาศัยความรู้ก่อน AB การ
เคลื่อนไหวของมนุษย์ได้เรียนรู้จากข้อมูลการฝึกอบรม, การแก้ปัญหาความคลุมเครือเหล่านั้น หลังจาก
การ initializa- ใน 2D, การติดตามและการฟื้นฟู 3D เป็นไปโดยอัตโนมัติ; เราจะแสดง
ผลสำหรับลำดับวิดีโอหลาย ผลที่ได้แสดงต่อ Ower ของการรักษา 3D
บ่อติดตามดี้เป็นปัญหาอนุมาน

ผลลัพธ์ (ไทย) 3:

3 มิติเคลื่อนไหวจับภาพสำหรับมนุษย์ underde - termined ย่อย Corintec รากฐาน ที่ devellopping โครงการเพื่อสังคม
เมื่อป้อนข้อมูลเพียงกล้องเดียว เนื่องจาก บริษัท ambiguit 2D 3D และวิดีโอ เรานำเสนอระบบที่ re - โครงสร้างเคลื่อนไหว 3 มิติของมนุษย์ย่อย
จากกล้องวิดีโอเดียว Corintec รากฐาน ที่ devellopping โครงการเพื่อสังคม ที่อาศัยความรู้เดิม AB ออก
เคลื่อนไหวของมนุษย์ เรียนรู้จากข้อมูลการฝึกอบรมเพื่อแก้ไขความกำกวมเหล่านั้น หลังจาก
initializa , 2D และ 3D ติดตามฟื้นฟูอัตโนมัติ เราแสดงผลลำดับ
วิดีโอหลาย ผลลัพธ์ที่ได้แสดงให้เห็นว่า p ower รักษา 3D :
b o dy ติดตามเป็นปัญหาการอนุมาน