一种用于从 2D 人体姿态估计姿态与形状的模块化多阶段轻量图 Transformer 网络
计算机视觉与模式识别
2023-02-01 v1 人工智能
摘要
在本研究中，我们解决了现有基于深度学习的人体网格重建方法在精度与计算效率之间难以兼顾的问题。这些方法通常优先考虑精度，导致网络规模庞大且计算复杂度过高，可能阻碍其在虚拟现实系统等实际场景中的应用。为解决此问题，我们引入了一种模块化多阶段轻量基于图的 transformer 网络，用于从 2D 人体姿态估计人体姿态与形状，这是一种基于姿态的人体网格重建方法，在不牺牲重建精度的前提下优先考虑计算效率。我们的方法包含一个 2D 到 3D 提升模块，该模块利用图 transformer 分析 2D 人体姿态中结构化和隐式的关节相关性，以及一个网格回归模块，该模块将提取的姿态特征与网格模板结合以生成最终的人体网格参数。
引用
@article{arxiv.2301.13403,
title = {A Modular Multi-stage Lightweight Graph Transformer Network for Human Pose and Shape Estimation from 2D Human Pose},
author = {Ayman Ali and Ekkasit Pinyoanuntapong and Pu Wang and Mohsen Dorodchi},
journal= {arXiv preprint arXiv:2301.13403},
year = {2023}
}