基于2D-3D姿态一致性的条件随机场用于3D人体姿态估计
计算机视觉与模式识别
2017-12-29 v2
摘要
本研究通过提出一种基于二维姿态的条件随机场(CRF)模型来解决单张RGB图像中的三维人体姿态估计问题，其中三维姿态作为推理过程的副产品获得。所提CRF模型的一元项基于一种强大的热力图回归网络定义，该网络已用于二维人体姿态估计。本研究还提出了一种将二维姿态提升为三维姿态的回归网络，并基于估计的三维姿态与二维姿态之间的一致性提出了先验项。为获得所提CRF模型的近似解，采用了N-best策略。所提推理算法可视为顺序过程：基于深度网络从输入二维图像自底向上生成二维和三维姿态候选，并通过检查其一致性自顶向下验证这些候选。为评估所提方法，我们使用了两个大规模数据集：Human3.6M和HumanEva。实验结果表明，所提方法达到了最先进的三维人体姿态估计性能。
引用
@article{arxiv.1704.03986,
title = {2D-3D Pose Consistency-based Conditional Random Fields for 3D Human Pose Estimation},
author = {Ju Yong Chang and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:1704.03986},
year = {2017}
}