DensePose: Dense Human Pose Estimation In The Wild

Rıza Alp Güler, Natalia Neverova, Iasonas Kokkinos

Dense human pose estimation aims at mapping all human pixels of an RGB image to the 3D surface of the human body. DensePose-RCNN реализован в рамках Detectron и работает на Caffe2.

В этом репозитории мы предоставляем код для обучения и оценки DensePose-RCNN. Мы также предоставляем блокноты для визуализации собранного набора данных DensePose-COCO и показываем соответствия модели SMPL.

Важная заметка

Этот проект больше не поддерживается!

DensePose теперь является частью Detectron2 (https://github.com/facebookresearch/detectron2/tree/master/projects/DensePose). Там вы можете найти самые актуальные архитектуры / модели. Если вы считаете, что в них отсутствует какая-то функция, пожалуйста, создайте проблему в Detectron2 DensePose (https://github.com/facebookresearch/detectron2/tree/master/projects/DensePose).

Установка

Инструкции по установке Caffe2 и DensePose можно найти в INSTALL.md, документе, основанном на инструкциях по установке Detectron.

Вывод, обучение и тестирование

После установки см. GETTING_STARTED.md для примеров вывода, обучения и тестирования.

Блокноты

Визуализация аннотаций DensePose-COCO:

См. notebooks/DensePose-COCO-Visualize.ipynb, чтобы визуализировать аннотации DensePose-COCO на изображениях:

DensePose-COCO в 3D:

См. notebooks/DensePose-COCO-on-SMPL.ipynb для локализации аннотаций DensePose-COCO на 3D-шаблоне (SMPL):

Визуализируйте результаты DensePose-RCNN:

См. notebooks/DensePose-RCNN-Visualize-Results.ipynb для визуализации результатов, полученных с помощью DensePose-RCNN.

Texture Transfer DensePose-RCNN:

См. notebooks/DensePose-RCNN-Texture-Transfer.ipynb для локализации аннотаций DensePose-COCO на 3D-шаблоне (SMPL).

Лицензия

Исходный код лицензирован в соответствии с лицензией, указанной в файле LICENSE в корневом каталоге этого дерева исходных текстов.

Citing DensePose

Если вы используете Densepose, используйте следующую запись BibTeX.

  @InProceedings{Guler2018DensePose,
  title={DensePose: Dense Human Pose Estimation In The Wild},
  author={R\{i}za Alp G\"uler, Natalia Neverova, Iasonas Kokkinos},
  journal={The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
  year={2018}
  }