(2023년 11월 13일 신규) 인간 사용자 자세에 대한 정보는 가상 관절 표현에 매핑될 수 있습니다. 예를 들어, 가상 현실 환경에 참여할 때 가상 환경에서 인간 사용자의 성능은 실제 자세와 유사한 자세를 나타냅니다. 사용자의 실제 포즈는 이전에 훈련된 모델에 의해 가상 관절 표현의 포즈로 변환될 수 있으며, 모델은 최종 렌더링을 위해 동일한 가상 관절 표현의 포즈를 출력하도록 훈련될 수 있습니다.
때로는 시스템이 비현실적인 성능을 보여야 할 때가 있습니다. 예를 들어, 사용자는 다양한 신체 비율, 뼈 또는 기타 측면을 가진 만화 캐릭터를 선택할 수 있습니다
그림 1에 표시된 것처럼 실제 환경(102)에 있는 인간 사용자(100)가 표시됩니다. 볼 수 있듯이, 인간 사용자의 제스처는 연결 표현(104)에 적용됩니다. 즉, 인간 사용자가 실제 환경에서 활동을 수행할 때 해당 동작은 가상 환경(106)에서 연결 표현(104)의 움직임으로 변환됩니다.
때때로 가상 관절 표현은 모델 교육에 사용된 표현과 다를 수 있으므로 다시 작성해야 합니다. 이 문제를 해결하기 위해 Microsoft 특허 "가상 표현을 위한 동시 인간 자세 추정"에서는 모델 관절 표현과 대상 관절 표현의 포즈를 동시에 추정할 수 있는 기술을 도입합니다구체적으로, 컴퓨팅 시스템은 하나 이상의 센서로부터의 입력을 적어도 부분적으로 기반으로 인간 사용자의 하나 이상의 신체 부위에 대한 세부 매개변수의 위치 데이터를 수신합니다. 이러한 센서에는 헤드셋의 관성 측정 장치 출력과 해당 카메라의 출력이 포함될 수 있습니다
다시 작성된 내용은 다음과 같습니다. 시스템은 관절 매핑 제약 조건과 같이 대상 관절 표현과 관련된 모델 관절 표현의 하나 이상의 매핑 제약 조건을 동시에 유지합니다. 포즈 최적화 기회는 위치 지정 데이터와 매핑 제약 조건을 사용하여 모델 관절이 나타내는 포즈와 대상 관절이 나타내는 대상 포즈를 동시에 추정합니다. 추정이 완료되면 시스템은 대상 포즈와 함께 대상 관절 표현을 인간 사용자가 볼 수 있는 가상 표현으로 표시할 수 있습니다
자세 최적화 기계는 모델의 명확한 표현에 대한 정답 레이블이 있는 훈련 포지셔닝 데이터를 사용하여 훈련할 수 있습니다. 그러나 훈련 지역화 데이터에는 대상 관절 표현에 대한 실제 레이블이 부족할 수 있습니다.
이 접근 방식을 사용하면 각기 다른 잠재적 대상에 대해 값비싼 훈련 계산을 할 필요 없이 실제 포즈를 정확하게 재현할 수 있습니다. 이 기술에 대한 독창적인 설명은 인간 사용자에게 긍정적인 영향을 미칠 수 있습니다
사용자가 가상 환경에 참여할 때 의사소통 과정에서 언제든지 자신을 대표할 다른 아바타를 선택하고 외모를 변경할 수 있습니다. 특정 표현에 대해 모델을 재교육할 필요 없이 사용자가 선택할 수 있는 표현 메뉴에 새로운 대상 연결 표현을 추가할 수 있으므로 계산 비용이 절약됩니다.
본 발명에 설명된 기술은 컴퓨팅 리소스 소비를 줄이는 동시에 인간 사용자의 실제 자세를 정확하게 재현하고 정확한 자세를 다양한 대상 관절 표현에 적용할 수 있다는 기술적 이점을 제공할 수 있습니다. 구체적인 방법은 대상과 모델의 자세를 동시에 추정하는 것입니다.
202에서, 인간 사용자의 하나 이상의 신체 부위의 세부 매개변수에 대한 위치 데이터는 하나 이상의 센서로부터의 입력에 기초하여 수신됩니다.
204에서는 모델의 연결을 보장하기 위해 대상 관절 표현과 관련된 하나 이상의 매핑 제약 조건을 유지해야 합니다. 그림 4에 표시된 것처럼 연결 표현 400
의 예시적인 모델이 표시됩니다.
이는 다음과 같이 다시 작성할 수 있습니다. 대상 연결 표현은 인간이 아닌 동물, 가상의 인물 또는 적합한 아바타를 나타낼 수 있습니다. 모델의 관절 표현과 목표의 관절 표현은 하나 이상의 매핑 제약 조건(402)을 통해 관련됩니다.
하나 이상의 매핑 제약 조건에는 조인트 매핑 제약 조건 404가 포함될 수 있습니다. 대상 관절 표현의 관절의 경우 관절 매핑 제약 조건은 모델의 관절 표현에서 하나 이상의 관절 세트를 지정합니다. 예를 들어, 모델 연결 표현(400)은 복수의 관절을 포함하며, 그 중 두 개는 403A 및 403B로 표시되어 있으며 이는 어깨 관절과 팔꿈치 관절에 해당합니다.
대상 관절 번호 104에는 유사한 관절 405A 및 405B가 포함되어 있습니다. 따라서 대상 표현의 관절 405A 및 405B는 이러한 관절을 모델 표현의 관절 403A 및 403B에 매핑하는 것을 나타내는 여러 개의 서로 다른 관절 매핑 제약 조건을 가질 수 있습니다.
관절 매핑 제약 조건은 대상 관절 표현에 매핑할 때 각 모델 관절의 가중치를 추가로 지정할 수 있습니다. 예를 들어 모델의 관절 표현에 대상 관절 표현의 특정 관절에 매핑된 관절이 하나만 있는 경우 해당 모델 관절의 가중치는 100%일 수 있습니다. 두 개의 모델 관절이 대상 관절에 매핑되면 두 모델 관절의 가중치는 50%와 50%, 30%와 70%, 10%와 90% 등이 될 수 있습니다.그림 2에서 방법 200은 이전에 훈련된 포즈를 최적화하여 모델 관절로 표현되는 모델 포즈와 타겟 관절로 표현되는 목표 포즈를 동시에 추정합니다. 모델 포즈와 목표 포즈 추정은 적어도 부분적으로 위치 데이터에 의존합니다
그림 5A에 표시된 것처럼 자세 최적화 기계는 모델 관절로 표현되는 모델 자세(502A)와 타겟 관절로 표현되는 타겟 자세(502B)를 동시에 추정합니다. 이는 포지셔닝 데이터(504) 및 하나 이상의 매핑 제약(506)에 적어도 부분적으로 기초하여 달성된다.
자세 추정은 하나 이상의 이전 시간 프레임에서 추정된 하나 이상의 이전 모델 포즈와 이전 대상 포즈를 기반으로 적어도 부분적으로 수행될 수 있습니다. 따라서, 포즈 최적화 기계(500)는 각 모델 관절에 대한 다중 로컬 회전으로 표현될 수 있는 다중 이전 포즈(506)를 저장합니다.
하나 이상의 매핑 제약 조건에는 포즈 연속성 제약 조건이 포함될 수 있습니다. 이는 특정 관절의 로컬 회전이 한 프레임에서 다른 프레임으로 변경될 수 있는 정도에 대해 프레임 간 제약 조건을 적용합니다. 프레임 간 변경 정도를 제한하여 주어진 관절의 로컬 회전을 제한하기 위해 포즈 연속성에 일련의 매핑 제약 조건을 적용할 수 있습니다
그림 5B는 추정 모델 및 대상 포즈를 모델 및 대상 관절 표현에 적용하는 과정을 개략적으로 보여줍니다. 구체적으로, 도 5b는 모델 관절 표현(400) 및 타겟 관절 표현(104)에 대응하는 기본 자세(407A 및 407B)를 다시 도시한다. 그런 다음 관절의 방향을 변경함으로써 모델 관절 표현(400)은 모델 포즈(502A)를 가정하고, 목표 관절 표현(104)은 목표 포즈(502B)를 가정합니다.
포즈 최적화에서는 모델과 타겟의 포즈를 동시에 추정하는 것이 필요합니다. 즉, 다른 방법과 달리 포즈 최적화 머신은 모델의 포즈 표현을 먼저 출력한 다음 이를 대상의 포즈 표현으로 변환하지 않습니다. 이에 비해 포즈 추정은 일련의 제약조건을 만족하는 모델 포즈와 목표 포즈를 동시에 찾는 과정입니다
예를 들어, 모델 관절 표현의 포즈는 일련의 위치 데이터가 주어졌을 때 가능한 인간 포즈를 출력하기 위해 자세 최적화 기계의 사전 훈련을 통해 제한될 수 있으며, 대상 관절 표현의 포즈는 관절 표적을 연관시켜 제한될 수 있습니다. 모델 표현에 대한 표현 하나 이상의 매핑 제약 조건에 연결된 제약 조건입니다.
또한, 이전 훈련에서는 자세 최적화를 수행하는 기계 학습 모델(508)을 통해 자세 추정을 구현할 수 있었습니다. 일례에서, 포즈 최적화 기계는 희박한 입력 포지셔닝 데이터에 기초하여 포즈를 출력하도록 구성될 수 있습니다. 즉, 포즈 최적화 기계는 런타임에 수신되는 더 많은 입력 매개변수에 따라 더 정확한 포즈 추정을 출력하도록 훈련될 수 있습니다
즉, 자세 최적화 기계가 수신한 포지셔닝 데이터에는 사용자의 n개 관절 회전 매개변수가 포함될 수 있습니다. 이전 훈련에서 자세 최적화 기계는 n+m 관절의 회전 매개변수를 입력으로 받았습니다. 여기서 m은 1보다 큽니다. 그런 다음 모델의 관절로 표현되는 n+m개의 모델 관절의 회전 매개변수를 추정하여 모델의 추정 자세를 결정할 수 있습니다. 이를 위해서는 최소한 n개의 관절을 기준으로 한 회전 매개변수가 필요하지만 m개의 관절을 기준으로 한 것은 아닙니다
또한 태도 최적화 기계를 훈련할 때 대상 연결 표현의 Ground Truth 라벨을 포함할 필요가 없습니다. 대신, 대상 관절 표현은 하나 이상의 매핑 제약 조건을 통해 모델 관절 표현과 연관되며, 일반적으로 대상 포즈가 모델 포즈와 실질적으로 유사하도록 제한합니다
Microsoft는 위의 기술을 사용하면 프로세스 속도를 두 배로 높일 수 있다는 점을 지적합니다. 이를 통해 특별한 하드웨어 가속 없이도 모델과 대상 포즈를 실시간으로 동시에 추정할 수 있습니다.
그림 2에서 방법(200)은 목표 포즈를 갖는 목표 관절 표현을 디스플레이용 인간 사용자의 가상 표현으로 출력하는 단계를 포함하며, 이 단계는 208에서 발생합니다. 예를 들어, 도 1에서는 타겟 관절 표현(104)이 전자 디스플레이 장치(108)를 통해 표시된다. 대상의 명확한 표현을 시연하는 데 사용되는 디스플레이 장치는 적절한 형식을 취할 수 있으며 적절한 기본 디스플레이 기술을 사용할 수 있습니다
관련 특허: Microsoft 특허 | 가상 표현을 위한 동시 인간 자세 추정
"가상 표현을 위한 동시 인간 포즈 추정"이라는 제목의 Microsoft 특허 출원은 원래 2022년 4월에 제출되었으며 최근 미국 특허청에 게시되었습니다.
위 내용은 평행 인간 자세 추정 특허: Microsoft AR/VR 기술로 가상 표현 실현의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

MCP (Model Context Protocol) : AI 및 데이터를위한 범용 커넥터 우리는 모두 매일 코딩에서 AI의 역할에 익숙합니다. Replit, Github Copilot, Black Box AI 및 Cursor IDE는 AI가 워크 플로우를 간소화하는 방법에 대한 몇 가지 예일뿐입니다. 하지만 상상해보십시오

Microsoft의 Omniparser V2 및 Omnitool : AI를 사용한 GUI 자동화 혁명 조미료 전문가처럼 Windows 11 인터페이스와 상호 작용하는 AI를 상상해보십시오. Microsoft의 Omniparser v2와 Omnitool은 이것을 다시 만듭니다

Vibe Coding은 끝없는 코드 라인 대신 자연 언어를 사용하여 애플리케이션을 생성함으로써 소프트웨어 개발의 세계를 재구성하고 있습니다. Andrej Karpathy와 같은 비전가들로부터 영감을 얻은이 혁신적인 접근 방식은 Dev가

앱 개발 혁신 : REPLIT 에이전트에 대한 깊은 다이빙 복잡한 개발 환경으로 씨름하고 구성 파일을 모호하게하는 데 지쳤습니까? REPLIT 에이전트는 아이디어를 기능적 앱으로 변환하는 프로세스를 단순화하는 것을 목표로합니다. 이 ai-p

이 블로그 게시물은 Web Interface와 Python API를 모두 다루는 Runway ML의 새로운 Act-One Animation Tool을 테스트하는 경험을 공유합니다. 유망하지만 내 결과는 예상보다 덜 인상적이었습니다. 생성 AI를 탐색하고 싶습니까? p에서 llms를 사용하는 법을 배우십시오

2025 년 2 월은 Generative AI의 또 다른 게임 변화 달이었으며, 가장 기대되는 모델 업그레이드와 획기적인 새로운 기능을 제공합니다. Xai 's Grok 3 및 Anthropic's Claude 3.7 Sonnet, Openai 's G에 이르기까지

Yolo (한 번만 보이면)는 주요 실시간 객체 감지 프레임 워크였으며 각 반복은 이전 버전에서 개선되었습니다. 최신 버전 Yolo V12는 정확도를 크게 향상시키는 발전을 소개합니다.

OpenAi, SoftBank, Oracle 및 Nvidia와 같은 기술 거인이 지원하고 미국 정부의 지원을받는 5 천억 달러 규모의 Stargate AI 프로젝트는 미국 AI 리더십을 굳히는 것을 목표로합니다. 이 야심 찬 사업은 AI Advanceme의 미래를 약속합니다.


핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

안전한 시험 브라우저
안전한 시험 브라우저는 온라인 시험을 안전하게 치르기 위한 보안 브라우저 환경입니다. 이 소프트웨어는 모든 컴퓨터를 안전한 워크스테이션으로 바꿔줍니다. 이는 모든 유틸리티에 대한 액세스를 제어하고 학생들이 승인되지 않은 리소스를 사용하는 것을 방지합니다.

DVWA
DVWA(Damn Vulnerable Web App)는 매우 취약한 PHP/MySQL 웹 애플리케이션입니다. 주요 목표는 보안 전문가가 법적 환경에서 자신의 기술과 도구를 테스트하고, 웹 개발자가 웹 응용 프로그램 보안 프로세스를 더 잘 이해할 수 있도록 돕고, 교사/학생이 교실 환경 웹 응용 프로그램에서 가르치고 배울 수 있도록 돕는 것입니다. 보안. DVWA의 목표는 다양한 난이도의 간단하고 간단한 인터페이스를 통해 가장 일반적인 웹 취약점 중 일부를 연습하는 것입니다. 이 소프트웨어는

SublimeText3 영어 버전
권장 사항: Win 버전, 코드 프롬프트 지원!

에디트플러스 중국어 크랙 버전
작은 크기, 구문 강조, 코드 프롬프트 기능을 지원하지 않음

SublimeText3 Linux 새 버전
SublimeText3 Linux 최신 버전
