基于扰动位置编码的3D人体姿态估计遮挡处理

理解人体行为离不开准确的3D人体姿态估计。图卷积网络（GCN）最近显示出具有竞争力的性能，采用相当轻量的架构。对于图结构数据，利用图拉普拉斯矩阵特征向量进行位置编码有效。然而，该方法没有说明如何处理输入图中缺失边缘的情况。为此，我们提出了一种新的位置编码技术，PerturbPE，从特征基中提取一致且规整的成分。我们的方法涉及应用多次扰动并取其平均，以从特征基中提取一致且规整的成分。PerturbPE利用Rayleigh-Schrodinger扰动定理（RSPT）计算扰动特征向量。采用这种标记技术可增强模型的鲁棒性和可泛化性。我们的结果支持我们的理论发现，例如，我们的实验分析观察到在遮挡导致一个边缘缺失的实例中，性能提升了最高达 $12\%$。此外，我们的新方法在两个边缘缺失的情况下显著提升了性能，为SOTA树立了新的基准。