点击上方“计算机视觉life”，选择“星标”
快速获得最新干货
小六的机器人SLAM圈】
，在这里你可以收获：

星主答疑解惑/定期直播分享/最新招聘信息/笔面试题速递/行业最新动态/

每日领域论文翻译/成员定期交流活动

还有星球专属视频哦~（图片篇幅有限，更多内容请移步官网cvlife.net查看~）
以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容
点击领取学习资料 → 机器人SLAM学习资料大礼包
#论文##开源# ACM Multimedia 2023|清华阿里等发布PoSynDA: 多假设姿态合成域自适应的鲁棒3D人体姿态估计
【PoSynDA: Multi-Hypothesis Pose Synthesis Domain Adaptation for Robust 3D Human Pose Estimation】
发表单位：清华大学、阿里DAMO、卡内基梅隆、华盛顿大学、浙大
开源代码：GitHub - hbing-l/PoSynDA
文章链接：[2308.09678] PoSynDA: Multi-Hypothesis Pose Synthe...
 由于目标域训练集中2D - 3D姿态对的稀缺性，目前的3D人体姿态估计器在适应新数据集方面面临挑战。为了克服这个问题，我们提出了多假设位姿合成域适应( PoSynDA )框架，该框架不需要大量的目标域注释。PoSynDA利用以扩散为中心的结构，模拟了目标域中的三维姿态分布，填补了数据多样性的空白。
 通过融合多假设网络，创建多样化的姿态假设，并将其与目标域进行对齐。特定目标源增强通过解耦尺度和位置参数从源域中获取目标域分布数据。师生范式和低阶适应进一步细化了这一过程。PoSynDA在基准测试程序Human3.6 M、MPI - INF - 3DHP和3DPW上表现出优异的性能，甚至可以与目标训练的MixSTE模型相媲美。这一工作为三维人体姿态估计的实用化铺平了道路。
以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容
如果你还不是【小六的机器人SLAM圈】成员，扫描加入↓“长按”或“扫描”下方二维码，加入即可开始学习~3天内无条件退款~ 购买后务必加客服领取其他权益和加交流群，现在加入免费送近千页5年机器人SLAM答疑手册 
购买后务必添加客服，开通全部权益~
3天内无条件退款！

加入即可获得近千页SLAM独家资料！

最后介绍一下我们最近的几个学习活动：（点击下方标题即可快速获取）
1、实战：基于ORB-SLAM2的管道机器人圆柱约束的位姿估计
管道内单目视觉SLAM尺度漂移较明显，定位挑战很大。学完本项目，你可以动手做到：利用管道的圆柱形结构约束，基于ORB-SLAM2改进地图点位置估计，从而优化SLAM算法精度。详情点击 从小白到老手，我如何搞定管道机器人位姿估计？
2、快速入门多传感器融合SLAM：LVI-SAM
LVI-SAM是MIT团队的TixiaoShan等人开源的一个紧耦合的激光雷达视觉惯导SLAM系统，可以实时高精度鲁棒的进行状态估计和建图。哈工大博士带你学习，1个月的学习挑战赛，详情点击 MIT团队开源的这个激光雷达视觉惯导SLAM系统，太香了！
3、快速入门激光雷达惯性SLAM-FastLio2
FAST-LIO2是香港大学火星实验室（MARS）发表在IEEE-RAL和IEEE-TRO的两篇论文，是一种具有高计算效率、高鲁棒性的雷达惯性里程计（LIO）本课程中上海交通大学博士王泽霖推出为期1个月的学习挑战赛第2期，从原理到实战快速掌握，详情点击 香港大学开源的这个激光雷达惯性SLAM，太强了！
4、效果逼近LIO-SAM！带你实现激光雷达SLAM
本项目对ALOAM进行改进，融合众多新技术，ALOAM+ LINK3D + CSF + BALM，纯激光雷达SLAM效果逼近LIO-SAM。详情点击 我用纯LiDAR SLAM实现逼近LIO-SAM的效果，如何做到？

继续阅读
阅读原文