BLAPose：利用骨骼长度调整增强 3D 人体姿态估计
计算机视觉与模式识别
2024-10-30 v2
摘要
当前 3D 人体姿态估计的方法主要侧重于回归 3D 关节位置，往往忽略了骨骼长度一致性和身体对称性等关键物理约束。本工作引入了一种循环神经网络架构，旨在捕获整个视频序列的全局信息，从而实现对骨骼长度的精确预测。为了增强训练效果，我们提出了一种使用遵循物理约束的合成骨骼长度的新颖数据增强策略。此外，我们提出了一种骨骼长度调整方法，在用预测值替换骨骼长度的同时保持骨骼方向。我们的结果表明，通过这一调整过程可以显著增强现有的 3D 人体姿态估计模型。此外，我们使用推断的骨骼长度对人体姿态估计模型进行微调，观察到了显著的性能提升。我们的骨骼长度预测模型超越了先前的最佳结果，并且我们的调整与微调方法在 Human3.6M 数据集上的多项指标上均提升了性能。
引用
@article{arxiv.2410.20731,
title = {BLAPose: Enhancing 3D Human Pose Estimation with Bone Length Adjustment},
author = {Chih-Hsiang Hsu and Jyh-Shing Roger Jang},
journal= {arXiv preprint arXiv:2410.20731},
year = {2024}
}
备注
16 pages, 8 Postscript figures, uses accv.sty and accvabbrv.sty