画像中の人物表面のUV座標を推定する『DensePose』

カーネギーメロン大学が公開している2D画像からの人体骨格推定ライブラリOpenPoseの元の研究である”Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields“が発表されて以降、2D画像・動画からの骨格推定の研究とソースコードの公開が活発な印象。

DensePoseは、骨格ではなく、動画中の人物領域の3DサーフェスのUV座標を推定するという、とても具体的なタスクの研究。面白そうなので論文がarXivに公開されてからすぐに読んだのでした。
ただ、CGに詳しくない人には課題設定がピンと来ないんじゃないかな。

DensePose: Dense Human Pose Estimation In The Wild

DensePose: Dense Human Pose Estimation In The Wild (CVPR 2018 Oral)

Dense human pose estimation(密な人体姿勢推定)は、画像中の人物のRGB画素全てを3Dの人体サーフェスへマッピングすることを目的としています。


スポンサーリンク
  • 5万枚のCOCOデータセットの画像に対して人力で2D画像と3Dサーフェスの対応関係をアノテーションした大規模なground-truthデータセット「DensePose-COCO」を提案します。
  • Mask-RCNNを改良し、動画の毎秒複数フレームに写るそれぞれの人物領域の各人体パーツのUV座標を密に回帰推定する「DensePose-RCNN」を提案します。

DensePose-COCOデータセットも公開予定だそうです。
https://github.com/arXivTimes/arXivTimes/issues/638


スポンサーリンク


ソースコードがGitHubで公開されましたね↓
https://github.com/facebookresearch/DensePose

Dockerfileもあるので試すのは楽か?
2018年12月 追記:試した方がいます↓
http://whoopsidaisies.hatenablog.com/entry/2018/12/03/193759

これって、顔画像で言うところのFace Alignmentに近い役割ができて、Body Alignmentって言っても良さそう。
画像中から人物表面のUV座標が推定できれば、身体の模様(つまり服装)を比べたり、入れ替えたり、描き替えたりできるんですよね。

著者にFacebook AI Researchの人が2人入ってるけど、やっぱり目指すのは画像からの個人識別なんですかね。
https://research.fb.com/facebook-open-sources-densepose/
https://shiropen.com/seamless/facebook-ai-densepose

論文では、データセットを作るためのアノテーションツールを設計と、アノテーションの質の評価についても載っている。

AI Learns Human Pose Estimation From Videos | Two Minute Papers #237

ちゃんと解きたいタスクに適したデータセットを用意して、タスクに適したネットワークを設計する、ってのが機械学習の良いアプローチなのだろうか。
機械学習でOverfitting(過学習)と呼ばれる現象は、データセットとタスクのギャップと言えるのかもしれない。

2019年追記:最近はRunway MLというツールで手軽にDensePoseを試すことができるぞ↓



スポンサーリンク

関連記事

Pix2Pix:CGANによる画像変換
クリエイターのための機械学習ツール『Runway ML』
Google App Engine上のWordPressでFlickrの画像を貼る
ZBrushでUndo Historyを動画に書き出す
HTML5・WebGLベースのグラフィックスエンジン『Goo Engine』
オープンソースの3Dメッシュデータライブラリ『OpenMesh』
UnityのMonoBehaviourクラスをシングルトン化する
FCN (Fully Convolutional Network):ディープラーニングによるSema...
SSII2014 チュートリアル講演会の資料
OpenCVの超解像処理モジュール『Super Resolution』
マジョーラ
UnrealCLR:Unreal Engineで.NET Coreを利用できるプラグイン
Facebookの顔認証技術『DeepFace』
Google XML Sitemap Generatorプラグインを3.4.1へダウングレード
OpenCVのバージョン3が正式リリースされたぞ
PureRef:リファレンス画像専用ビューア
JavaScriptとかWebGLとかCanvasとか
Unityからkonashiをコントロールする
オープンソースの物理ベースレンダラ『Mitsuba』をMayaで使う
レンダラ制作はOpenGL とか DirectX を使わなくてもできるんだぜ
チャットツール用bot開発フレームワーク『Hubot』
Raspberry Pi
デザインのリファイン再び
株式会社ヘキサドライブの研究室ページ
Photo Bash:複数の写真を組み合わせて1枚のイラストを制作する
顔画像処理技術の過去の研究
ヘッドマウントディスプレイとビジュアリゼーションの未来
Python for Unity:UnityEditorでPythonを使えるパッケージ
ZBrushCoreのTransposeとGizmo 3D
ラクガキの立体化 モールドの追加
OpenCVでPhotoshopのプラグイン開発
C#で使える可読性重視のディープラーニングライブラリ『KelpNet』
RefineNet (Multi-Path Refinement Network):ディープラーニン...
ゴジラ三昧
3Dボリュームデータ処理ライブラリ『OpenVDB』
『ローグ・ワン/スター・ウォーズ・ストーリー』のVFXブレイクダウン まとめ
ジュラシック・パークのメイキング
PyDataTokyo主催のDeep Learning勉強会
スターウォーズ エピソードVIIの予告編
Unity MonoBehaviourクラスのオーバーライド関数が呼び出される順番
Unity Scriptコーディング→Unreal Engine Scriptコーディング
C++ 標準テンプレートライブラリ (STL)

コメント