基于深度预测网络的绝对人体姿态估计
计算机视觉与模式识别
2019-04-15 v1
摘要
三维人体姿态估计的常用方法是预测相对于髋部的身体关节坐标。这在单人情况下效果良好，但在多人交互场景中则显得不足。预测绝对坐标的方法首先估计相对于根节点的姿态，然后通过次级优化任务计算平移量。我们提出一种神经网络，直接在以相机为中心的坐标系中预测关节，而非采用相对于根节点的坐标系。与以往方法不同，我们的网络在单步内完成，无需任何后处理。我们的网络在MuPoTS-3D数据集上超越了以往方法，并取得了state-of-the-art的结果。
引用
@article{arxiv.1904.05947,
title = {Absolute Human Pose Estimation with Depth Prediction Network},
author = {Márton Véges and András Lőrincz},
journal= {arXiv preprint arXiv:1904.05947},
year = {2019}
}
备注
Accepted to IJCNN 2019