通过修正Human3.6m数据集的关节回归器提升人体姿态估计精度的简易方法
计算机视觉与模式识别
2022-05-03 v1
摘要
许多人姿态估计方法估计蒙皮多人线性（SMPL）模型并从这些SMPL估计中回归人体关节。在本文中，我们指出使用最广泛的SMPL到关节线性层（关节回归器）不准确，这可能误导姿态评估结果。为获得更精确的关节回归器，我们提出一种生成伪真值SMPL姿态的方法，可用于训练改进的回归器。具体而言，我们优化来自最先进方法的SMPL估计，使其投影与场景中人体轮廓及真值2D关节位置匹配。由于缺乏实际真值SMPL，该伪真值质量难以评估；但在Human 3.6m数据集上，我们定性表明我们的关节位置更精确，且我们的回归器在测试集上无需任何重训练即带来改进的姿态估计结果。我们在 https://github.com/ubc-vision/joint-regressor-refinement 发布代码与关节回归器。
引用
@article{arxiv.2205.00076,
title = {A Simple Method to Boost Human Pose Estimation Accuracy by Correcting the Joint Regressor for the Human3.6m Dataset},
author = {Eric Hedlin and Helge Rhodin and Kwang Moo Yi},
journal= {arXiv preprint arXiv:2205.00076},
year = {2022}
}