对抗式参数化姿态先验
计算机视觉与模式识别
2021-12-09 v1
摘要
Skinned Multi-Person Linear（SMPL）模型可以通过将姿态和形状参数映射到身体网格来表示人体。这已被证明有助于通过不同的学习模型从图像推断3D人体姿态和形状。然而，并非所有姿态和形状参数值都能产生物理上合理甚至真实的身体网格。换句话说，SMPL是欠约束的，因此在用于从图像重建人体时，无论是通过直接优化其参数，还是通过学习从图像到这些参数的映射，都可能导致无效结果。因此，在本文中，我们通过对抗训练学习一个先验，将SMPL参数限制为产生真实姿态的值。我们表明，我们学习到的先验覆盖了真实数据分布的多样性，有助于从2D关键点进行3D重建的优化，并在用于从图像回归时产生更好的姿态估计。我们发现基于球形分布的先验获得了最佳结果。此外，在所有这些任务中，它都优于用于约束SMPL参数的最先进的基于VAE的方法。
引用
@article{arxiv.2112.04203,
title = {Adversarial Parametric Pose Prior},
author = {Andrey Davydov and Anastasia Remizova and Victor Constantin and Sina Honari and Mathieu Salzmann and Pascal Fua},
journal= {arXiv preprint arXiv:2112.04203},
year = {2021}
}