基于优化元学习的视频相机畸变感知三维人体姿态估计

在无畸变数据集上训练的现有三维人体姿态估计算法在应用于具有特定相机畸变的新场景时，性能会下降。本文提出了一种简单而有效的视频三维人体姿态估计模型，该模型利用 MAML（一种代表性的基于优化的元学习算法）能够快速适应任何畸变环境。我们将特定畸变下的一系列二维关键点视为 MAML 的单个任务。然而，由于缺乏畸变环境下的大规模数据集，我们提出了一种从无畸变二维关键点生成合成畸变数据的有效方法。在评估时，我们根据是否有动作捕捉传感器假设了两种实际的测试情况。特别地，我们提出了利用骨骼长度对称性和一致性的推理阶段优化。广泛的评估表明，我们提出的方法在测试阶段成功适应了各种程度的畸变，并优于现有的 SOTA 方法。该方法在实践中非常有用，因为它不需要相机校准和测试设置中的额外计算。