基于孪生等变嵌入的3D人体姿态估计
计算机视觉与模式识别
2019-02-19 v2
摘要
在单目 3D 人体姿态估计中，常见设置是先检测 2D 位置，然后将检测结果提升为 3D 坐标。许多算法存在对训练集中相机位置的过拟合问题。我们提出了一种孪生架构，学习旋转等变隐藏表示以减少对数据增强的需求。我们的方法在多个数据库上以不同基础网络进行了评估，显示出误差指标的一致改善。在使用仅估计的 2D 关节坐标的算法中，它实现了最先进的跨相机误差率。
引用
@article{arxiv.1809.07217,
title = {3D Human Pose Estimation with Siamese Equivariant Embedding},
author = {Márton Véges and Viktor Varga and András Lőrincz},
journal= {arXiv preprint arXiv:1809.07217},
year = {2019}
}
备注
Accepted to Neurocomputing