利用二维边缘热图进行三维人体姿态估计
计算机视觉与模式识别
2018-11-09 v2
摘要
从单目 RGB 图像数据自动确定三维人体姿态是一个具有挑战性的问题。输入的二维本质导致内在歧义，使得推断深度尤为困难。最近，研究者表明深度神经网络灵活的统计建模能力足以以合理精度进行此类推断。然而，许多此类模型使用坐标输出技术，这些技术内存密集、不可微分和/或空间泛化性差。我们提出对三维坐标预测的改进，通过在增广 soft-argmax 方案下预测二维边缘热图来避免上述不良特性。我们最终的模型 MargiPose 在保持可微分性的同时生成视觉连贯的热图。我们还能够在公开可用的三维人体姿态估计数据上实现最先进的精度。
引用
@article{arxiv.1806.01484,
title = {3D Human Pose Estimation with 2D Marginal Heatmaps},
author = {Aiden Nibali and Zhen He and Stuart Morgan and Luke Prendergast},
journal= {arXiv preprint arXiv:1806.01484},
year = {2018}
}
备注
Accepted in WACV 2019