Mean of Means: Human Localization with Calibration-free and Unconstrained Camera Settings (extended version)

要約

特にメタバース時代において、さまざまなアプリケーションにとって正確な人間のローカリゼーションが重要です。
既存の高精度ソリューションは、高価でタグ依存性のハードウェアに依存していますが、ビジョンベースの方法はより安価でタグフリーの代替品を提供します。
ただし、マルチステージSVDソルバーにおける剛性の視点変換の原理とエラー伝播によるステレオビジョンの顔の制限に基づく現在のビジョンソリューション。
また、これらのソリューションは、厳密なセットアップ制約を備えた複数の高解像度カメラを必要とします。これらの制限に対処するには、身体の幾何学的中心を中心とした分布によって生成される観測と見なす確率的アプローチを提案します。
これにより、サンプリングを大幅に改善し、関心のある各ポイントのサンプルの数を数百から数十億に増やすことができます。
世界座標とピクセル座標の分布の平均との関係をモデル化することにより、中央の限界定理を活用して、正常性を確保し、学習プロセスを促進します。
実験結果は、0.3 $ $ $の範囲内で96 \％のヒト局在精度、0.5 $ $ $の範囲内でほぼ100 \％の精度を示しています。
\ Times $ 480ピクセル。

要約(オリジナル)

Accurate human localization is crucial for various applications, especially in the Metaverse era. Existing high precision solutions rely on expensive, tag-dependent hardware, while vision-based methods offer a cheaper, tag-free alternative. However, current vision solutions based on stereo vision face limitations due to rigid perspective transformation principles and error propagation in multi-stage SVD solvers. These solutions also require multiple high-resolution cameras with strict setup constraints.To address these limitations, we propose a probabilistic approach that considers all points on the human body as observations generated by a distribution centered around the body’s geometric center. This enables us to improve sampling significantly, increasing the number of samples for each point of interest from hundreds to billions. By modeling the relation between the means of the distributions of world coordinates and pixel coordinates, leveraging the Central Limit Theorem, we ensure normality and facilitate the learning process. Experimental results demonstrate human localization accuracy of 96\% within a 0.3$m$ range and nearly 100\% accuracy within a 0.5$m$ range, achieved at a low cost of only 10 USD using two web cameras with a resolution of 640$\times$480 pixels.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google