3DPoseRelative
1. Mediapipe 3D detection
使用移动增强现实(AR)会话数据(session data)，开发了新的数据pipeline。大部分智能手机现在都具备了增强现实的功能，在这个过程中捕捉额外的信息，包括相机姿态、稀疏的3D点云、估计的光照和平面。
- 利用
相机的姿势、检测到的平面、估计的照明，来生成物理上可能的位置以及具有与场景匹配的照明位置 。
对于
形状任务，根据可用的ground truth注释(如分割)来预测对象的形状信号；对于检测任务，使用带注释的边界框，并将高斯分布拟合到框中，以框形质心为中心，并与框的大小成比例的标准差。
回归任务估计边界框8个顶点的2D投影。为了获得边界框的最终3D坐标，还利用了一个成熟的姿态估计算法(EPnP)，可以在不知道物体尺寸的前提下恢复物体的3D边界框。
2. FrankMocap
FrankMocap 是港中文联合 Facebook AI 研究院提出的3D 人体姿态和形状估计算法**。不仅仅是估计人体的运动姿态，甚至连身体的形状**，手部的动作都可以一起计算出来。使用 SMPL-X 人体模型,
- 给定一张彩色图片，通过两个网络模块分别预测手部姿态和人体姿态。
- 然后再通过整合模块将手和身体组合在一起，得到最终的3D全身模型
3. PIFuHD
- 论文：https://arxiv.org/pdf/2004.00452.pdf
- GitHub地址：https://github.com/facebookresearch/pifuhd
- 项目地址：https://shunsukesaito.github.io/PIFuHD/
- Demo地址：https://colab.research.google.com/drive/11z58bl3meSzo6kFqkahMa35G5jmh2Wgt?usp=sharing#scrollTo=afwL_-ROCmDf
4. Deep_Object_Pose
DOPE ROS package for detection and 6-DoF pose estimation of known objects from an
RGB camera. The network has been trained on the following YCB objects: cracker box, sugar box, tomato soup can, mustard bottle, potted meat can, and gelatin box. For more details, see our CoRL 2018 paper and video.
5. keypose
6. DenseFusion
“DenseFusion: 6D Object Pose Estimation by Iterative Dense Fusion”(arXiv, Project, Video) by Wang et al. at Stanford Vision and Learning Lab and Stanford People, AI & Robots Group. The model takes an RGB-D image as input and predicts the 6D pose of the each object in the frame.