Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 DetailsÜbersicht
  Neural Body Fitting: Unifying Deep Learning and Model-Based Human Pose and Shape Estimation

Omran, M., Lassner, C., Pons-Moll, G., Gehler, P. V., & Schiele, B. (2018). Neural Body Fitting: Unifying Deep Learning and Model-Based Human Pose and Shape Estimation. In 2018 International Conference on 3D Vision (3DV 2018) (pp. 484-494). Piscataway, NJ: IEEE. doi:10.1109/3DV.2018.00062.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-0003-BE0B-C Versions-Permalink: https://hdl.handle.net/21.11116/0000-0004-7D95-8
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Omran, Mohamed1, Autor
Lassner, Christoph2, Autor           
Pons-Moll, Gerard1, Autor
Gehler, Peter V.2, Autor           
Schiele, Bernt1, Autor
Affiliations:
1External Organizations, ou_persistent22              
2Dept. Perceiving Systems, Max Planck Institute for Intelligent Systems, Max Planck Society, ou_1497642              

Inhalt

einblenden:
ausblenden:
Schlagwörter: Abt. Black
 Zusammenfassung: -

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2018-10-152018
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: NBF:3DV:2018
DOI: 10.1109/3DV.2018.00062
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: International Conference on 3D Vision (3DV 2018)
Veranstaltungsort: Verona, Italy
Start-/Enddatum: 2018-09-05 - 2018-09-08

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: 2018 International Conference on 3D Vision (3DV 2018)
Genre der Quelle: Konferenzband
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: Piscataway, NJ : IEEE
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 484 - 494 Identifikator: ISBN: 978-1-5386-8425-2
ISBN: 978-1-5386-8426-9
ISSN: 2475-7888
ISSN: 2378-3826