遮挡下 3D 人体姿态估计模型的基准测试
计算机视觉与模式识别
2026-02-11 v3
摘要
人体姿态估计（HPE）涉及从视觉数据中检测和定位人体关键点。3D HPE 中，遮挡（body 部分在图像中不可见）对准确重建姿态构成重大挑战。本文present了一项针对现实遮挡条件下 3D HPE 模型鲁棒性的基准测试，涉及常见于实际场景的组合遮挡关键点。我们使用 BlendMimic3D 数据集，对比评估了九个最新 2D-to-3D HPE 模型，涵盖卷积、transformer、图结构和扩散等架构。所有模型原本在 Human3.6M 上训练，此处未重新训练，以评估其泛化能力。我们引入一种协议，通过基于真实检测器行为的噪声模拟遮挡，进行全局和逐关节敏感性分析。我们的发现表明，所有模型在遮挡下均表现出显著性能下降，尽管其随机性，扩散模型仍表现不佳。此外，逐关节遮挡分析识别出手腕、脚踝等远端关节在各模型中均存在一致性脆弱性。总体而言，本工作揭示了当前 3D HPE 模型在处理遮挡方面的关键局限，为提高实际鲁棒性提供了启发。
引用
@article{arxiv.2504.10350,
title = {Benchmarking 3D Human Pose Estimation Models under Occlusions},
author = {Filipa Lino and Carlos Santiago and Manuel Marques},
journal= {arXiv preprint arXiv:2504.10350},
year = {2026}
}