使用图卷积网络进行三维人体姿态回归
计算机视觉与模式识别
2022-12-14 v2
摘要
三维人体姿态估计是一项困难的任务，原因在于被遮挡的身体部位和模糊姿态等挑战。图卷积网络以邻接矩阵的形式编码人体骨架的结构信息，有利于更好的姿态预测。我们提出一种这样的图卷积网络，名为 PoseGraphNet，用于从二维姿态进行三维人体姿态回归。我们的网络使用自适应邻接矩阵和针对邻域组特定的卷积核。我们在 Human3.6M 数据集上评估我们的模型，该数据集是三维姿态估计的标准数据集。我们模型的性能接近最先进水平（SOTA），但参数量少得多。该模型学习了无物理连接但在行为上相似的关节之间有趣的邻接关系。
引用
@article{arxiv.2105.10379,
title = {3D Human Pose Regression using Graph Convolutional Network},
author = {Soubarna Banik and Alejandro Mendoza Gracia and Alois Knoll},
journal= {arXiv preprint arXiv:2105.10379},
year = {2022}
}
备注
Paper accepted in IEEE ICIP 2021, DOI will be updated once published