CanonPose：野外环境下的自监督单目三维人体姿态估计
计算机视觉与模式识别
2020-12-01 v1
摘要
从单张图像进行人体姿态估计是计算机视觉中一个具有挑战性的问题，需要大量标注训练数据才能准确求解。遗憾的是，对于许多人类活动（例如户外运动），此类训练数据并不存在，且用传统动作捕捉系统难以甚至无法获取。我们提出一种自监督方法，从未标注的多视角数据学习单图像三维姿态估计器。为此，我们利用多视角一致性约束将观测到的二维姿态解耦为底层的三维姿态与相机旋转。与多数现有方法不同，我们不需要标定相机，因此可从运动相机中学习。不过，在静态相机设置下，我们给出了一个可选扩展，将多视角间恒定的相对相机旋转纳入我们的框架。成功的关键在于新的、无偏的重建目标，其在视角与训练样本间混合信息。所提方法在两个基准数据集（Human3.6M与MPII-INF-3DHP）以及野外SkiPose数据集上进行了评估。
引用
@article{arxiv.2011.14679,
title = {CanonPose: Self-Supervised Monocular 3D Human Pose Estimation in the Wild},
author = {Bastian Wandt and Marco Rudolph and Petrissa Zell and Helge Rhodin and Bodo Rosenhahn},
journal= {arXiv preprint arXiv:2011.14679},
year = {2020}
}