3D 人体姿态估计 = 2D 姿态估计 + 匹配
计算机视觉与模式识别
2017-04-12 v2
摘要
我们探索从单张 RGB 图像进行 3D 人体姿态估计。许多方法试图直接从图像测量中预测 3D 姿态，而我们探索了一种通过中间 2D 姿态预测进行推理的简单架构。我们的方法基于两个关键观察：(1) 深度神经网络已彻底改变了 2D 姿态估计，即使对于存在自遮挡的姿态也能产生精确的 2D 预测。(2) 大规模的 3D 动作捕捉数据集现已易于获取，这使得通过简单的记忆（例如，最近邻）将预测的 2D 姿态提升到 3D 变得极具吸引力。由此产生的架构利用现成的 2D 姿态估计系统和 3D 动作捕捉库即可轻松实现。重要的是，我们证明了此类方法优于几乎所有当前最先进的 3D 姿态估计系统，而后者大多试图直接从 2D 测量中回归 3D 姿态。
引用
@article{arxiv.1612.06524,
title = {3D Human Pose Estimation = 2D Pose Estimation + Matching},
author = {Ching-Hang Chen and Deva Ramanan},
journal= {arXiv preprint arXiv:1612.06524},
year = {2017}
}
备注
Demo code: https://github.com/flyawaychase/3DHumanPose