基于距离矩阵回归的单张图像 3D 人体姿态估计

本文探讨了从单张图像进行 3D 人体姿态估计的问题。我们遵循标准的两步流程：首先检测 $N$ 个身体关节的 2D 位置，然后利用这些观测来推断 3D 姿态。对于第一步，我们使用了一种最新的基于 CNN 的检测器。对于第二步，现有的大多数方法对笛卡尔关节坐标执行 2$N$ 到 3$N$ 的回归。我们表明，通过使用 $N\times N$ 距离矩阵来表示 2D 和 3D 人体姿态，并将问题表述为 2D 到 3D 的距离矩阵回归，可以获得更精确的姿态估计。为了学习这样的回归器，我们利用了简单的神经网络架构，这些架构在结构上强制了预测矩阵的正定性和对称性。该方法还具有自然处理缺失观测的优势，并允许假设未观测关节的位置。在 Humaneva 和 Human3.6M 数据集上的定量结果表明，其性能持续优于 SOTA。使用在 Human3.6M 上学习到的回归器在 LSP 数据集的野外图像上进行定性评估，揭示了极具前景的泛化结果。