基于Möbius图卷积网络的三维人体姿态估计
计算机视觉与模式识别
2022-03-22 v1
摘要
三维人体姿态估计是理解人类行为的基础。近来，图卷积网络（GCNs）取得了令人瞩目的结果，达到了SOTA性能并提供了较为轻量的架构。然而，GCNs的主要局限在于无法显式编码关节间所有变换。为此，我们提出一种使用Möbius变换（MöbiusGCN）的新型谱GCN。具体而言，其允许我们直接且显式地编码关节间变换，从而获得显著更紧凑的表示。即便与目前最轻量架构相比，我们的新方法所需参数减少90–98%，即最轻的MöbiusGCN仅用0.042M可训练参数。除大幅减少参数外，显式编码关节变换也使我们取得SOTA结果。我们在Human3.6M与MPI-INF-3DHP两个具挑战性的姿态估计基准上评估了该方法，展示了MöbiusGCN的SOTA结果及泛化能力。
引用
@article{arxiv.2203.10554,
title = {3D Human Pose Estimation Using M\"obius Graph Convolutional Networks},
author = {Niloofar Azizi and Horst Possegger and Emanuele Rodolà and Horst Bischof},
journal= {arXiv preprint arXiv:2203.10554},
year = {2022}
}