用于三维人体姿态估计的条件有向图卷积
计算机视觉与模式识别
2021-08-05 v2
摘要
图卷积网络通过将人体骨架表示为无向图，显著改进了三维人体姿态估计。然而，这种表示未能反映人体骨架的关节化特征，因为关节之间的层级顺序未被显式呈现。在本文中，我们提出将人体骨架表示为有向图，以关节为节点、骨骼为边，边从父关节指向子关节。通过这种方式，边的方向可以显式反映节点之间的层级关系。基于该表示，我们进一步提出一种时空条件有向图卷积，通过使图拓扑以输入姿态为条件，来利用不同姿态下变化的非局部依赖。综上，我们构建了一个 U 形网络，称为 U 形条件有向图卷积网络（U-shaped Conditional Directed Graph Convolutional Network），用于从单目视频中进行三维人体姿态估计。为评估我们方法的有效性，我们在两个具有挑战性的大规模基准上进行了大量实验：Human3.6M 和 MPI-INF-3DHP。定量和定性结果均表明我们的方法取得了顶尖性能。此外，消融研究表明，有向图比无向图能更好地利用关节化人体骨架的层级结构，且条件连接可为不同姿态产生自适应图拓扑。
引用
@article{arxiv.2107.07797,
title = {Conditional Directed Graph Convolution for 3D Human Pose Estimation},
author = {Wenbo Hu and Changgong Zhang and Fangneng Zhan and Lei Zhang and Tien-Tsin Wong},
journal= {arXiv preprint arXiv:2107.07797},
year = {2021}
}