基于多任务深度学习的 2D/3D 姿态估计与动作识别
计算机视觉与模式识别
2018-03-22 v2
摘要
动作识别与人姿态估计密切相关，但文献中这两个问题通常作为独立任务处理。本工作中，我们提出一个多任务框架，用于从静态图像联合进行 2D 与 3D 姿态估计，并从视频序列进行人类动作识别。我们表明，单一架构可高效地解决这两个问题，且仍取得最先进（SOTA）结果。此外，我们证明端到端优化比分离学习显著更高精度。所提架构能够以无缝方式同时使用来自不同类别的数据训练。在四个数据集（MPII、Human3.6M、Penn Action 与 NTU）上报告的结果证明了我们的方法在目标任务上的有效性。
引用
@article{arxiv.1802.09232,
title = {2D/3D Pose Estimation and Action Recognition using Multitask Deep Learning},
author = {Diogo C. Luvizon and David Picard and Hedi Tabia},
journal= {arXiv preprint arXiv:1802.09232},
year = {2018}
}
备注
To appear in CVPR 2018