用于多人 3D 姿态估计的压缩体素热图
计算机视觉与模式识别
2020-04-02 v1
摘要
本文提出了一种从单目 RGB 图像进行自底向上多人 3D 人体姿态估计的新方法。我们建议使用高分辨率体素热图来建模关节位置，并设计了一种简单有效的压缩方法以大幅减小该表示的尺寸。所提方法的核心是我们的体素热图自编码器，这是一个全卷积网络，负责将真实热图压缩为稠密中间表示。随后训练第二个模型，即代码预测器，来预测这些代码，在测试时可将其解压缩以恢复原始表示。我们的实验评估表明，在多人及单人 3D 人体姿态估计数据集上，与当前最优方法相比我们的方法表现更优，并且得益于我们的新颖压缩策略，无论场景中有多少主体，都能以 8 fps 的恒定运行速度处理全高清图像。代码与模型见 https://github.com/fabbrimatteo/LoCO 。
引用
@article{arxiv.2004.00329,
title = {Compressed Volumetric Heatmaps for Multi-Person 3D Pose Estimation},
author = {Matteo Fabbri and Fabio Lanzi and Simone Calderara and Stefano Alletto and Rita Cucchiara},
journal= {arXiv preprint arXiv:2004.00329},
year = {2020}
}
备注
CVPR 2020