面向 VR/AR 的深度学习:采用英特尔® 实感™ 技术的人体追踪

会议

面向 VR/AR 的深度学习:采用英特尔® 实感™ 技术的人体追踪技术

面向 VR/AR 的深度学习:采用英特尔® 实感™ 技术的人体追踪技术

会议

骨架追踪在 2011 年左右首次作为产品面世,此后,人们探索了许多解决该问题的其他方法,但几乎所有方法都存在计算使用量大的问题,这需要占用大量的 GPU 或 CPU 周期,而且这还是针对一般姿势预估设计的。我们将重点放在 VR/AR 上,因而能够利用 HMD 的位置,使用更小的机器学习模型进行训练。Philip 将分享他在这种具有集成式头部和控制器信息方法的卷积神经网络方面的一些工作,并讨论他之前在仅使用 CPU 进行实时手部追踪方面的一些工作。

英特尔® 实感™ 深度摄像头使所有这些解决方案都能在多种光照条件下工作,并且收集的深度信息可实现更高的帧速率,而不需要任何额外的 CPU 利用率。通过使用多个摄像头,这可以成为一个无标记的动作捕捉解决方案,并可为游戏或 VR 社交等各种使用情形提供额外的体积和表面数据。Philip 将举例说明他创建的一个应用程序,该应用程序使用 Unity 集成进行实时交互式 VR 海洋球池模拟,而不需要任何额外的追踪设备或传感器。

Philip Krejov 获得了英国萨里大学的电子工程学士(荣誉)学位和计算机视觉博士学位。他在毕业时荣获最佳毕业论文奖。Philip 是英特尔实感集团首席技术官办公室的成员,从事计算机视觉领域的研究,研究重点是改善 HCI。更具体地说,他从事开发用于捕获、清理和学习可视化数据的工具和架构。他在许多场合发表过演讲,包括在伦敦皇家学会举行的新闻发布会。Philip 还发表了几篇关于手部姿势预估和人机交互新方法的国际论文。

,接收最新博文和其他消息。

让我们来讨论一下英特尔实感深度传感摄像头如何增强您的解决方案。

提交此表单,即表示您确认自己已经年满 18 周岁,同意就此业务请求与英特尔分享您的个人信息。您还同意通过电子邮件和电话订阅来随时了解最新英特尔技术和行业趋势。您可以随时取消订阅。英特尔的网站和通讯受隐私声明使用条款的制约。