用于3D人体姿态估计挑战赛的级联金字塔网络
计算机视觉与模式识别
2018-10-04 v1
摘要
在过去的十年中，人们对人体姿态估计的兴趣日益增长。尽管在2D姿态估计方面已经做了大量工作，但3D姿态估计的研究仍然相对较少。在本文中，我们提出了一种基于自顶向下两阶段的3D估计框架。在我们的2D姿态估计过程中的GloabalNet和RefineNet使我们能够找到被遮挡或不可见的2D关节，而由残差块组成的2D到3D姿态估计器用于有效地将2D关节提升为3D关节。所提出的方法在ECCV 2018 PoseTrack挑战赛的‘3D人体姿态估计’验证数据集上取得了平均每个关节位置误差为42.39的有前景的结果。
引用
@article{arxiv.1810.01616,
title = {Cascaded Pyramid Network for 3D Human Pose Estimation Challenge},
author = {Sungeun Hong and Wonjin Jung and Ilsang Woo and Seung Wook Kim},
journal= {arXiv preprint arXiv:1810.01616},
year = {2018}
}
备注
Accepted to ECCV Workshop 2018