CondiMen：条件多人网格恢复

多人人体网格恢复（HMR）包括检测给定输入图像中的所有个体，并预测每个被检测人的身体形状、姿态和 3D 位置。该任务的主流方法依赖于训练为每个检测到的个体输出单一预测的神经网络。相比之下，我们提出了 CondiMen，一种使用贝叶斯网络输出关于可能姿态、身体形状、内参和到相机距离的联合参数分布的方法。这种方法具有几个优点。首先，概率分布可以处理该任务固有的某些歧义——例如人的体型与其到相机距离之间的不确定性，或者仅仅是将 3D 数据投影到 2D 图像平面时的信息丢失。其次，输出分布可以结合额外信息以产生更好的预测，例如使用已知的相机或身体形状参数，或利用多视角观测。第三，可以从输出分布中高效提取最可能的预测，使我们提出的方法适用于实时应用。从经验上看，我们发现我们的模型 i) 实现了与最先进水平相当或更好的性能，ii) 捕获了姿态估计中固有的不确定性和相关性，iii) 可以在测试时利用额外信息，如多视角一致性或身体形状先验。CondiMen 增强了对歧义的建模，恰好利用了手头的正确要素。