human-pose-estimation

OpenPose: Echtzeit-Bibliothek zur Erkennung von Schlüsselpunkten von mehreren Personen für Körper, Gesicht, Hände und Füße.

Object-Detection-Toolkit basierend auf PaddlePaddle. Unterstützt Objekterkennung, Instanz-Segmentierung, Multi-Object-Tracking und Echtzeit-Multi-Person-Keypoint-Erkennung.

Echtzeit- und präzises Ganzkörper-Multi-Personen-Posen-Erkennungs- und Verfolgungssystem

Das Projekt ist eine offizielle Implementierung unseres CVPR2019-Papers „Deep High-Resolution Representation Learning for Human Pose Estimation“

Sandbox zum Trainieren von Deep-Learning-Netzwerken

Schnelle und präzise Schätzung menschlicher Posen in PyTorch. Enthält die Implementierung des Papers „Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose“.

Offizielle Implementierung von „OpenPifPaf: Composite Fields for Semantic Keypoint Detection and Spatio-Temporal Association“ in PyTorch.

⚡️Das räumliche Wahrnehmungsframework zum schnellen Erstellen von intelligenten Robotern und Räumen

Ultralytics YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLOv12 für ROS 2

Offizielle PyTorch-Implementierung von „Camera Distance-aware Top-down Approach for 3D Multi-person Pose Estimation from a Single RGB Image“, ICCV 2019.

Visuelle Imitation ermöglicht kontextuelle humanoide Steuerung. CoRL 2025, Best Student Paper Award.

Offizieller Code für MAMMA: Markerless Accurate Multi-person Motion Acquisition.

[CVPR 2023] Offizielle Implementierung des Papers „One-Stage 3D Whole-Body Mesh Recovery with Component Aware Transformer“

Abschätzung absoluter 3D-Menschwerthaltungen aus RGB-Bildern

Verteilungsbewusste Koordinatenrepräsentation für die menschliche Pose-Schätzung.

[ICLR 2026] Ein einheitliches Modell für die 4D-Rekonstruktion von Mensch und Szene.

Lernen feiner lokaler Repräsentationen für die Multi-Personen-Pose-Schätzung (ECCV 2020 Spotlight, Gewinner der COCO 2019 Human Keypoint Detection Challenge und COCO 2019 Best Paper Award)