تخمین حالت سه بعدی بدن انسان از یک تصویر بوسیله شبکه عصبی کانولوشن و کدگذاری و بازنمایی تنک با رویکرد مبتنی بر مدل

در زمینه تخمین و ساخت اسکلت حالت سه بعدی بدن انسان از طریق بندهای بدن (body joints) بوسیله یک تصویر دوبعدی، چالش های عمق و خودانسدادی وجود دارد که مانع از تخمین دقیق می گردد. در این مقاله به تخمین حالت سه بعدی بدن انسان با دو رویکرد مختلف پرداخته شده است. بدین منظور، رویکرد اول پیشنهادی با تمرکز بر عمق حالت دوبعدی حقیقت اصلی بوسیله کدگذاری و بازنمایی تنک و تصحیح گر مبتنی بر مدل، حالت سه بعدی بدن انسان استخراج می شود. در رویکرد دوم پیشنهادی به کمک روش مبتنی بر یادگیری شبکه های عصبی کانولوشن، تخمین حالت دوبعدی بدن انسان بدست می آید، سپس بوسیله کدگذاری و بازنمایی تنک و تصحیح گر مبتنی بر مدل، تخمین عمق حالت استخراج می شود. نتایج حاصل از این روش، برتری تخمین حالت و عمق سه بعدی بدن انسان را نسبت به رویکردهای پیشین نشان می دهد. تخمین حالت های سه بعدی انجام شده در روش پیشنهادی نشان می دهد میانگین خطای بازسازی نسبت به کارهای  مشابه کاهش قابل توجهی داشته است