Exploring dense depth predictions as a supervision source for human pose and shape estimation

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: BATUHAN KARAGÖZ

Danışman: Emre Akbaş

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez, güncel derinlik tahmin modelleri tarafından elde edilen yoğun derinlik bilgisinin, tek bir kamera görüntüsünden 3B insan pozu ve şekli (İPŞ) tahmini öğrenme üzerindeki etkinliğini incelemektedir. İPŞ tahminini denetlemek için gerçek veri toplamak maliyetli ve sınırlı laboratuvar ortamlarına bağlı bir işlemdir. Araştırmacılar, denetim eksikliğini hafifletmek için vücut yapısı veya kinematiğe dayalı öncelikler, optik akış ve segmentasyon gibi diğer bilgisayarlı görü görevlerinden elde edilen ipuçları ve özdenetimli görevleri kullanmışlardır. Bu bağlamdaki açık potansiyeline rağmen, tek bakışlı derinlik tahmini henüz incelenmemiştir. Bu eksikliği ele almak için, önce insan örgü yüzeyindeki noktalar ile derinlik tahmininden rekonstrüe edilen noktalar arasında yoğun bir eşleme ve hizalama tanımlıyoruz. Daha sonra birkaç yitim fonksiyonu öneriyor ve bunları kapsamlı bir şekilde değerlendiriyoruz. Human3.6M ve 3DPW veri setleri üzerinde yaptığımız deneyler, önerilen eşleme, hizalama ve yitim hesaplama işleminin, yalnızca 2B anahtar nokta denetimi veya 2B ve 3B denetimi kullanmaktan önemli ölçüde daha iyi İPŞ tahmini performansına sahip olduğunu göstermektedir.