跨年龄包容的三维人体网格重建用于动作保持的数据匿名化
计算机视觉与模式识别
2025-12-08 v1
摘要
尽管三维形状和姿态估计是一个研究活跃且已取得重大进展的领域，但由此产生的方法尽管在成人人群中表现良好，却通常无法有效泛化至儿童和婴儿。本文通过引入AionHMR框架来解决这一挑战，该框架旨在弥合这一领域差距。我们提出了一种优化方法，通过纳入SMPL-A身体模型扩展了表现最优的模型，实现对成人、儿童和婴儿的同步精确建模。利用该方法，我们为公开可用的儿童和婴儿图像数据库生成了伪真实标注。利用这些新训练数据，我们随后开发并训练了一个专门用于实时跨年龄包容三维人体重建的基于Transformer的深度学习模型。大量实验表明，我们的方法显著提升了儿童和婴儿的形状和姿态估计精度，同时未损害成人的准确性。重要的是，我们重建的网格可作为原始图像的隐私保护替代方案，保留必要的动作、姿态和几何信息，同时实现匿名化数据集发布。作为演示，我们引入了3D-BabyRobot数据集——一个儿童与机器人交互的动作保持三维重建集合。本工作弥合了一个关键的领域差距，为包容性、隐私感知和跨年龄多样化的三维人体建模奠定了基础。
引用
@article{arxiv.2512.05259,
title = {Age-Inclusive 3D Human Mesh Recovery for Action-Preserving Data Anonymization},
author = {Georgios Chatzichristodoulou and Niki Efthymiou and Panagiotis Filntisis and Georgios Pavlakos and Petros Maragos},
journal= {arXiv preprint arXiv:2512.05259},
year = {2025}
}