适配人体姿态：零真实三维姿态数据的单目三维人体姿态估计
计算机视觉与模式识别
2022-01-25 v2
摘要
推理模型的最终目标是在真实应用场景中具备鲁棒性与实用性。然而，训练与测试数据之间的域差距常对模型性能产生负面影响。该问题对于单目三维人体姿态估计尤为关键，因为三维人体数据通常在受控的实验室环境中采集。本文聚焦于通过提出我们的适配人体姿态（AHuP）方法来缓解外观与姿态空间中域偏移对三维人体姿态估计的负面影响。AHuP 建立在两个关键组件之上：（1）用于跨域特征空间适配的语义感知适配（SAA），以及（2）仅需来自目标域有限信息的姿态空间适配骨架姿态适配（SPA）。在使用零真实三维人体姿态数据的情况下，我们的一个适配合成模型展现出与利用大规模真实三维人体数据集训练的 SOTA 姿态估计模型相当的性能。所提 SPA 也可独立用作轻量级头模块，在新场景下改进现有 SOTA 模型。一项名为 ScanAva+ 的基于三维扫描的合成人体数据集也将随本工作公开发布。
引用
@article{arxiv.2105.10837,
title = {Adapted Human Pose: Monocular 3D Human Pose Estimation with Zero Real 3D Pose Data},
author = {Shuangjun Liu and Naveen Sehgal and Sarah Ostadabbas},
journal= {arXiv preprint arXiv:2105.10837},
year = {2022}
}