基于HybrIK-Transformer的三维人体姿态与形状估计
计算机视觉与模式识别
2023-04-25 v4
摘要
HybrIK 依赖于解析逆运动学与深度学习的结合，从二维单目图像产生更精确的三维姿态估计。HybrIK 有三个主要组件：(1) 预训练卷积骨干网络，(2) 反卷积将三维姿态从二维卷积特征中提升，(3) 解析逆运动学通路利用学到的合理扭转与摆动角分布修正深度学习预测。在本文中，我们提出对二维到三维提升模块的增强，用 Transformer 替换反卷积，相对于原始 HybrIK 方法在准确率和计算效率上均有提升。我们在常用的 H36M、PW3D、COCO 和 HP3D 数据集上展示了结果。我们的代码公开于 https://github.com/boreshkinai/hybrik-transformer。
引用
@article{arxiv.2302.04774,
title = {3D Human Pose and Shape Estimation via HybrIK-Transformer},
author = {Boris N. Oreshkin},
journal= {arXiv preprint arXiv:2302.04774},
year = {2023}
}