Tag · 6 篇

人体姿态估计

Ultra Diffusion Poser: Diffusion-Based Human Motion Tracking from Sparse Inertial Sensors and Ranging-based Between-sensor Distances

把 UWB 测距的传感器间距离从「额外输入特征」升级为可解析重建 3D 传感器布局的几何约束，并用扩散采样期的 guidance 强制预测姿态与实测距离对齐——这套「解析几何重建 + 采样期约束引导」思路可迁移到任何带物理距离/结构约束的稀疏传感或稀疏视角姿态重建任务。

UDAPose: Unsupervised Domain Adaptation for Low-Light Human Pose Estimation

针对低光照姿态估计，用基于直流高通滤波（DHF）与低光照特征注入模块（LCIM）的合成管线生成逼真低光训练图像，并在 Transformer 中用动态注意力控制（DCA）在图像线索不可靠时回退到姿态先验——这套「合成域+注意力门控」思路可直接迁移到其他低质成像下的关键点/稠密预测任务。

FlashCap: Millisecond-Accurate Human Motion Capture via Flashing LEDs and Event-Based Vision

用闪烁 LED 作为事件相机的高频时间戳信号源，配合 RGB 学习残差姿态，为高时序分辨率人体姿态估计提供了一套低成本、可复用的数据采集与建模范式。

Expanding mmWave Datasets for Human Pose Estimation with Unlabeled Data and LiDAR Datasets

对做毫米波人体姿态估计的研究者，这篇论文提供了一条可复用的数据扩充路径：用闭式转换把带标注的激光雷达点云映射成毫米波点云，再用伪标签估计器标注无标注毫米波数据，从而绕开毫米波标注昂贵、数据稀缺的瓶颈，直接提升模型的域内与跨域泛化。

Egocentric Visibility-Aware Human Pose Estimation

针对第一人称视角下关键点不可见问题，提出显式建模可见性信息的方法，并构建带可见性标注的大规模数据集，为遮挡/不可见场景下的姿态估计提供可复用思路与评测基准。

EgoPoseFormer v2: Accurate Egocentric Human Motion Estimation for AR/VR

提出身份条件查询、多视角空间精炼和因果时序注意力，在恒定计算预算下实现时序一致且空间对齐的人体姿态估计；其不确定性感知的半监督自标注系统可复用于其他标注稀缺的视觉任务。