Capture Dense：无标记动作捕捉与密集姿态估计的结合
计算机视觉与模式识别
2018-12-12 v2
摘要
我们提出一种将无标记动作捕捉与密集姿态特征估计结合到单一框架中的方法。我们证明密集姿态信息可有助于多视角/单视角动作捕捉，而多视角动作捕捉可有助于收集高质量数据集以训练密集姿态检测器。具体而言，我们首先引入一种新颖的无标记动作捕捉方法，其可利用密集姿态检测器提供的密集解析能力。得益于所引入的密集人体解析能力，我们的方法相比现有最先进的无标记动作捕捉方法被证明更高效且更准确。其次，我们利用多视角无标记动作捕捉数据改进现有密集姿态检测器的性能。此类数据集有益于密集姿态训练，因为它们更密集、准确且一致，并能补偿如异常视角等边缘情况。我们定量展示了我们的密集姿态检测器相对于现有 DensePose 的性能提升。我们的密集姿态数据集与检测器将公开。
引用
@article{arxiv.1812.01783,
title = {Capture Dense: Markerless Motion Capture Meets Dense Pose Estimation},
author = {Xiu Li and Yebin Liu and Hanbyul Joo and Qionghai Dai and Yaser Sheikh},
journal= {arXiv preprint arXiv:1812.01783},
year = {2018}
}
备注
Withdraw due to incomplete experiment