从二维图像推断身体测量:全面的审查
Hezha Mohammedkhan1,2, Hein Fleuren2, Çíçek Güven1
1Department of Cognitive Science and Artificial Intelligence, School of Humanities and Digital Sciences, Tilburg University, 5037 AB Tilburg, The Netherlands.
Journal of imaging
|June 25, 2025
概括
从二维图像中预测儿童的身体尺寸具有挑战性,但对健康和健身至关重要. 深度学习与传统方法相结合,显示出最有前途的图像准确的人类测量预测.
科学领域:
- 计算机视觉 计算机视觉
- 医疗成像医学成像
- 生物识别信息 生物识别信息
背景情况:
- 从二维图像中估计人体测量,特别是对于儿童来说,是一个尚未探索的研究领域.
- 现有的研究更多地侧重于姿势估计和身体形状分类,而不是精确的测量预测.
研究的目的:
- 审查目前用于预测2D面部和全身图像的人类测量方法的方法.
- 识别使用深度学习和机器学习来预测身体尺寸的挑战和机会.
- 提出未来的研究方向,以提高准确性和包容性.
主要方法:
- 关于深度学习和传统机器学习技术的综合文献评论.
- 分析常用的数据集及其局限性.
- 视觉转换器和模型可解释性的评估.
主要成果:
- 深度学习模型,特别是当与传统机器学习集成时,可以产生最准确的预测.
- 目前的数据集缺乏多样性,阻碍了模型的通用性.
- 视觉变压器显示出推动该领域发展的潜力.
结论:
- 从图像中准确预测人体测量测量需要进一步研究包容性数据集和可解释的AI.
- 混合深度学习和机器学习方法是最有效的.
- 未来的工作应该专注于提高模型准确性和解决数据偏差.
