ACRNet：用于远程医疗中多视角实时三维人体姿态估计的注意力立方体回归网络
计算机视觉与模式识别
2022-10-12 v1 机器人学
摘要
用于远程医疗中三维骨架重建的人体姿态估计(HPE)长期以来一直受到关注。尽管深度学习的发展使远程医疗中的HPE方法变得更简单易用，但解决低精度和高延迟仍然是一个巨大挑战。在本文中，我们提出了一种新颖的多视角注意力立方体回归网络(ACRNet)，它通过聚合每个立方体表面上信息丰富的注意力点来实时回归关节的三维位置。更具体地说，首先创建一个每个表面包含具有特定坐标值的均匀分布注意力点的立方体，以从主视角包裹目标。然后，我们的网络通过对每个表面上经过加权的注意力点坐标求和并取平均值，来回归每个关节的三维位置。为了验证我们的方法，我们首先在开源ITOP数据集上测试了ACRNet；同时，我们在躯干支撑训练器上收集了一个新的多视角上半身运动数据集(UBM)，以验证我们的模型在真实康复场景中的能力。实验结果证明了ACRNet相比其他最先进方法的优越性。我们还验证了ACRNet中每个模块的有效性。此外，我们的工作分析了ACRNet在医疗监控指标下的性能。由于具有高精度和运行速度，我们的模型适用于实时远程医疗场景。源代码可在 https://github.com/BoceHu/ACRNet 获取。
引用
@article{arxiv.2210.05130,
title = {ACRNet: Attention Cube Regression Network for Multi-view Real-time 3D Human Pose Estimation in Telemedicine},
author = {Boce Hu and Chenfei Zhu and Xupeng Ai and Sunil K. Agrawal},
journal= {arXiv preprint arXiv:2210.05130},
year = {2022}
}