其工作原理如下首先模型在图像中查找

被识别为人体的对象然后，这些对象被分割成不同的区域，每个区域对应于要单独分析的身体的特定部分。使用这种方法是因为身体各部分的运动方式非常不同：例如，头部和躯干的行为与手臂和腿部的行为非常不同。 DensePose：一种识别照片中人体姿势的方法 DensePose 可以准确识别照片中的人体姿势，甚至创建其表面的 UV 贴图。来源 因此，该模型学会了将 2D 图像与人体 3D 表面相关联，不仅可以获得与识别的姿势相对应的图像注释，还可以获得照片中代表的身体的 UV 图。

例如后者允许在图像上叠加

纹理 最令人印象深刻的是这项技术可以准确识别照片中多人聚集在一起的姿势，甚至是那些人们挤 阿塞拜疆电话号码 在一起、部分面对面的混乱的“舞会之夜”照片。 DensePose：照片中姿势识别的示例 DensePose 可以准确识别照片中组合在一起的人物个体的位置。来源 此外，如果研究人员发布的文章和视频中呈现的图像是真实的，那么该系统甚至可以可靠地处理最不寻常的身体姿势。例如，神经网络可以正确识别骑自行车、摩托车和骑马的人。它还可以准确地确定经常做出不可预测动作的棒球运动员、足球运动员和霹雳舞运动员的姿势。

照片中姿势识别的示例 即使对

于非常不寻常的姿势 DensePose 模型也能很好地工作。来源 DensePose 的另一个优点是它不需要非凡的计 希腊 电话号码列表 算能力来运行。即使在研究发表时，GeForce GTX 1080 也算不上高端显卡，DensePose 在 240×320 分辨率下每秒捕获 20-26 帧，在 分辨率下每秒捕获最多 5 帧。 DensePose over Wi-Fi：无线电波代替照片 基本上，卡内基梅隆大学研究人员的想法是使用现有的高性能身体识别人工智能模型 DensePose，但向其提供 Wi-Fi 信号而不是照片。 为了进行实验，他们构建了以下设置： 两个支架配有标准 TP-Link 家用路由器，每个支架配备三个天线：一根用作发射器，另一根用作接收器。