基于姿态深度组合的从深度图进行三维人体姿态估计
计算机视觉与模式识别
2018-07-17 v1 人机交互
摘要
许多现实应用需要估计人体关节以完成更高层次的任务，例如人类行为理解。近年来，深度传感器已成为获取三维信息的流行手段。这些传感器生成的深度图提供的信息可用于消除二维图像中观测姿态的歧义。本文采用深度学习方法解决从深度图进行三维人体姿态估计的问题。我们提出一种名为深度深度姿态（DDP）的模型，该模型接收包含一个人的深度图以及一组预定义的 3D 原型姿态，并返回该人身体关节的 3D 位置。具体而言，DDP 被定义为一个卷积网络（ConvNet），它计算将原型针对给定输入进行线性组合所需的特定权重。我们在具有挑战性的 'ITOP' 和 'UBC3V' 数据集上对所提 DDP 进行了充分评估，这两个数据集分别描绘真实样本与合成样本，并在其上确立了新的 SOTA。
引用
@article{arxiv.1807.05389,
title = {3D human pose estimation from depth maps using a deep combination of poses},
author = {Manuel J. Marin-Jimenez and Francisco J. Romero-Ramirez and Rafael Muñoz-Salinas and Rafael Medina-Carnicer},
journal= {arXiv preprint arXiv:1807.05389},
year = {2018}
}
备注
Accepted for publication at "Journal of Visual Communication and Image Representation"