TUM School of Computation, Information and Technology
Institution:
Informatik 15 - Professur für Machine Learning of 3D Scene Geometry (Prof. Dai)
Betreuer:
Dai, Angela (Prof. Dr.)
Gutachter:
Dai, Angela (Prof. Dr.); Black, Michael J. (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 708; DAT 766; DAT 757
Kurzfassung:
Learning how to share a common space between autonomous systems and humans requires the capability to understand, generate, and forecast human actions and interactions. This dissertation introduces: 1) Characteristic 3D Poses, semantically meaningful and goal-oriented probabilistic action poses 2) A method to forecast complex sequences of action labels and 3D poses, only requiring 2D observations 3) An approach to generate dynamic human-object interactions from geometry and text.
Übersetzte Kurzfassung:
Um zu lernen, wie sich autonome Systeme und Menschen einen gemeinsamen Raum teilen können, ist es notwendig, menschliche Handlungen und Interaktionen zu verstehen, zu generieren und vorherzusagen. Diese Dissertation stellt vor: 1) Den Begriff der charakteristischen 3D-Posen, semantisch sinnvolle und zielorientierte probabilistische Aktionsposen 2) Eine Methode zur Vorhersage komplexer Sequenzen von Handlungsbezeichnungen und 3D-Posen, die nur Beobachtungen in 2D benötigt 3) Einen Ansatz, um dynamische Mensch-Objekt-Interaktionen aus Geometrie und Text zu generieren.
«
Um zu lernen, wie sich autonome Systeme und Menschen einen gemeinsamen Raum teilen können, ist es notwendig, menschliche Handlungen und Interaktionen zu verstehen, zu generieren und vorherzusagen. Diese Dissertation stellt vor: 1) Den Begriff der charakteristischen 3D-Posen, semantisch sinnvolle und zielorientierte probabilistische Aktionsposen 2) Eine Methode zur Vorhersage komplexer Sequenzen von Handlungsbezeichnungen und 3D-Posen, die nur Beobachtungen in 2D benötigt 3) Einen Ansatz, um dyna...
»