三维人体姿态估计

CVPR 2024 | 让视频姿态Transformer变得飞速，北大提出高效三维人体姿态估计框架HoT

目前，Video Pose Transformer（VPT）在基于视频的三维人体姿态估计领域取得了最领先的性能。近年来，这些 VPT 的计算量变得越来越大，这些巨大的计算量同时也限制了这个领域的进一步发展，对那些计算资源不足的研究者十分不友好。例如，训练一个 243 帧的 VPT 模型通常需要花费好几天的时间，严重拖慢了研究的进度，并成为了该领域亟待解决的一大痛点。那么，该如何有效地提升 VPT 的效率同时几乎不损失精度呢？来自北京大学的团队提出了一种基于沙漏 Tokenizer 的高效三维人体姿态估计框架HoT，

4/1/2024 11:36:00 AM

机器之心

资讯热榜

阿里推出 AI 医学助手 App“氢离子”：收录千万级核心期刊文献，还可查疾病、找药品 Kimi K2 高速版kimi-k2-turbo-preview发布输出每秒 40 Tokens 多项力压 Grok 4、OpenAI o3，谷歌推出 Gemini 2.5 Deep Think 模型 2025年ChatGPT编程神器指南：20个开发者必学提示！阶跃星辰新一代基础大模型 Step 3 正式开源：拥有强大视觉感知和复杂推理能力谷歌“虚拟卫星”AI 模型问世：可提供近乎实时的地球视图 Kimi K2高速版发布输出速度提升至每秒40 Tokens 一次中稿10篇ACL25，通义实验室代码智能&对话智能团队在研究什么

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek AI绘画谷歌机器人数据大模型 Midjourney 开源智能用户 Meta 微软 GPT 学习技术图像 Gemini AI创作马斯克论文智能体英伟达 Anthropic 代码算法训练 Stable Diffusion 芯片开发者蛋白质腾讯 LLM 生成式苹果 Claude 神经网络 AI新词 Agent 3D 机器学习 AI for Science 研究生成 xAI AI视频计算人形机器人 Sora GPU AI设计百度华为搜索工具大语言模型场景 RAG 字节跳动具身智能大型语言模型预测深度学习伟达视觉 Transformer AGI 视频生成神器推荐亚马逊架构 Copilot DeepMind 模态安全