带遮挡的3D人体姿态估计：引入BlendMimic3D数据集与GCN精化
计算机视觉与模式识别
2024-04-26 v1
摘要
在3D人体姿态估计（HPE）领域，准确估计人体姿态，尤其是在遮挡场景下，是一个重大挑战。本工作识别并解决了当前3D HPE技术中关于遮挡处理的数据和策略稀缺的空白。我们引入了新颖的BlendMimic3D数据集，旨在模拟真实世界中发生遮挡的情况，以便无缝集成到3D HPE算法中。此外，我们提出了一个3D姿态精化模块，采用图卷积网络（GCN）通过图模型增强姿态表示。该GCN模块作为即插即用解决方案，可适应各种3D HPE框架而无需重新训练。通过使用BlendMimic3D中的遮挡数据训练GCN，我们展示了在解决遮挡姿态方面的显著改进，同时在非遮挡姿态上获得可比结果。项目网页：https://blendmimic3d.github.io/BlendMimic3D/。
引用
@article{arxiv.2404.16136,
title = {3D Human Pose Estimation with Occlusions: Introducing BlendMimic3D Dataset and GCN Refinement},
author = {Filipa Lino and Carlos Santiago and Manuel Marques},
journal= {arXiv preprint arXiv:2404.16136},
year = {2024}
}
备注
Accepted at 6th Workshop and Competition on Affective Behavior Analysis in-the-wild - CVPR 2024 Workshop