Bài viết Nghiên cứu mô phỏng dáng người trên không gian ba chiều từ hình ảnh hai chiều sử dụng phương pháp học sâu đề xuất một giải pháp mới gồm hai mô hình kết hợp nhằm tăng độ chính xác dựa trên phương thức học sâu. Mô hình thứ nhất gọi là Squeeze-and-Excitation Network, được dùng để dựng lại dáng người hai chiều từ một ảnh đầu vào; Sau đó, sử dụng kết hợp giữa các lớp kết nối đầy đủ và mạng chập đồ thị để dựng thành dáng người ba chiều từ thông tin đầu ra của mô hình trước. | ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ - ĐẠI HỌC ĐÀ NẴNG VOL. 20 NO. 5 2022 33 NGHIÊN CỨU MÔ PHỎNG DÁNG NGƯỜI TRÊN KHÔNG GIAN BA CHIỀU TỪ HÌNH ẢNH HAI CHIỀU SỬ DỤNG PHƯƠNG PHÁP HỌC SÂU RESEARCH IN RECREATING 3D HUMAN POSE FROM 2D IMAGES BY USING DEEP LEARNING Phạm Lê Minh Hoàng Lê Thị Kim Oanh Trường Đại học Bách khoa - Đại học Đà Nẵng1 Tác giả liên hệ plmhoang@ Nhận bài 15 02 2022 Chấp nhận đăng 27 4 2022 Tóm tắt - Nghiên cứu mô phỏng dáng người trong không gian ba Abstract - Recent studies have shown remarkable advances in 3D chiều từ đơn ảnh đã có tiến triển đáng kể trong thời gian gần đây human pose estimation from monocular images with the help of large- nhờ tính toán bằng các mô hình có kiến trúc mạng tối ưu kết hợp scale in-door 3D datasets and sophisticated network architectures. với các bộ dữ liệu quy mô lớn. Tuy nhiên khi áp dụng vào điều However the expected generalizability to different environments kiện môi trường khác nhau trong thực tế các phương pháp hiện remains an elusive goal to apply in the real-life tasks. In this work we có vẫn chưa đạt được độ chính xác so với kỳ vọng. Bài báo này present a solution for single-view 3D human skeleton estimation based đề xuất một giải pháp mới gồm hai mô hình kết hợp nhằm tăng on deep learning method. Our network contains two separate model to độ chính xác dựa trên phương thức học sâu. Mô hình thứ nhất gọi fully regress and enhance the resulting poses. We utilize a newly là Squeeze-and-Excitation Network được dùng để dựng lại dáng proposed model whose name is Squeeze-and-Excitation Network as to người hai chiều từ một ảnh đầu vào Sau đó sử dụng kết hợp giữa construct our pose estimation network in order to estimate the các lớp kết nối đầy đủ và mạng chập đồ thị để dựng thành dáng corresponding pose from a color image Then a model consisting of người ba chiều từ thông tin đầu ra của mô hình trước. Hiệu quả several blocks of fully connected networks and a novel semantic graph của phương pháp .
