MAPress
مقاله استدلال چندوجهی کنتراستی بر روی ابرگراف برای بازسازی مش سه‌بعدی جمعیت

مقاله استدلال چندوجهی کنتراستی بر روی ابرگراف برای بازسازی مش سه‌بعدی جمعیت

بازسازی سه‌بعدی چندنفره برای تحلیل تعاملات دنیای واقعی حیاتی است، اما به دلیل انسداد شدید و ابهام عمق، همچنان چالش‌برانگیز باقی مانده است. رویکردهای فعلی معمولاً به ورودی‌های تک‌وجهی متکی هستند که ذات...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

استدلال چندوجهی کنتراستی بر روی ابرگراف برای بازسازی مش سه‌بعدی جمعیت

Contrastive Multi-Modal Hypergraph Reasoning for 3D Crowd Mesh Recovery

نویسندگان: Minghao Sun, Chongyang Xu, Yitao Xie, Buzhen Huang, Kun Li

شناسه منبع: arxiv / 2605.13854

دسته: Computer Vision and Pattern Recognition,Graphics,Multimedia,Image and Video Processing

چکیده (فارسی)

بازسازی سه‌بعدی چندنفره برای تحلیل تعاملات دنیای واقعی حیاتی است، اما به دلیل انسداد شدید و ابهام عمق، همچنان چالش‌برانگیز باقی مانده است. رویکردهای فعلی معمولاً به ورودی‌های تک‌وجهی متکی هستند که ذاتاً فاقد راهنمایی هندسی هستند. علاوه بر این، این روش‌ها اغلب سوژه‌ها را به صورت مجزا بازسازی می‌کنند و زمینه گروهی جمعی را که برای رفع ابهامات در صحنه‌های شلوغ ضروری است، نادیده می‌گیرند. برای رفع این محدودیت‌ها، ما "استدلال هایپرگراف چندوجهی تقابلی" را برای هم‌افزایی نشانه‌های معنایی، هندسی و وضعیتی برای بازسازی جمعیت پیشنهاد می‌کنیم. ما ابتدا نمایش‌های گره‌ای قوی را با ترکیب ویژگی‌های RGB، اولویت‌های هندسی و وضعیت‌های ناقص آگاه از انسداد، مقداردهی اولیه می‌کنیم. علاوه بر این، ما یک شاخص عمق لگن را به عنوان یک لنگر فضایی جهانی معرفی می‌کنیم که ویژگی‌های بصری را با نظم عمق مستقل از مقیاس متریک هماهنگ می‌کند. متعاقباً، ما یک هایپرگراف با توپولوژی مشترک می‌سازیم که فراتر از محدودیت‌های دوتایی برای مدل‌سازی پویایی‌های جمعیتی مرتبه بالاتر می‌رود. برای بهبود ادغام ویژگی‌ها، ما یک طرح یادگیری تقابلی مبتنی بر هایپرگراف طراحی می‌کنیم که به طور مشترک تمایزپذیری درون‌وجهی را تقویت کرده و تعامد بین‌وجهی را اعمال می‌کند. این مکانیسم به شبکه اجازه می‌دهد تا زمینه جهانی را به طور مؤثر منتشر کند و حتی در شرایط انسداد شدید، اطلاعات از دست رفته را استنتاج کند. آزمایش‌های گسترده بر روی بنچمارک‌های Panoptic و GigaCrowd تأیید می‌کنند که روش ما به عملکرد جدید پیشرفته دست می‌یابد. کد و مدل‌های از پیش آموزش‌دیده در https://github.com/SunMH-try/CoMHR موجود است.

Abstract (English)

Multi-person 3D reconstruction is pivotal for real-world interaction analysis, yet remains challenging due to severe occlusions and depth ambiguity. Current approaches typically rely on single-modality inputs, which inherently lack geometric guidance. Furthermore, these methods often reconstruct subjects in isolation, neglecting the collective group context essential for resolving ambiguities in crowded scenes. To address these limitations, we propose Contrastive Multi-modal Hypergraph Reasoning to synergize semantic, geometric, and pose cues for crowd reconstruction. We first initialize robust node representations by combining RGB features, geometric priors, and occlusion-aware incomplete poses. Additionally, we introduce a pelvis depth indicator as a global spatial anchor, aligning visual features with a metric-scale-agnostic depth ordering. Subsequently, we construct a shared-topology hypergraph that moves beyond pairwise constraints to model higher-order crowd dynamics. To improve feature fusion, we design a hypergraph-based contrastive learning scheme that jointly enhances intra-modal discriminability and enforces cross-modal orthogonality. This mechanism enables the network to propagate global context effectively, allowing it to infer missing information even under severe occlusion. Extensive experiments on the Panoptic and GigaCrowd benchmarks confirm that our method achieves new state-of-the-art performance. Code and pre-trained models are available at https://github.com/SunMH-try/CoMHR.

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.