面向3D人体姿态估计的跨视角融合
计算机视觉与模式识别
2019-09-04 v1
摘要
我们提出一种通过模型中融入多视角几何先验、从多视角图像恢复绝对3D人体姿态的方法。其包含两个独立步骤：(1)估计多视角图像中的2D姿态；(2)由多视角2D姿态恢复3D姿态。首先，我们将跨视角融合方案引入CNN以联合估计多视角的2D姿态，从而使各视角的2D姿态估计已受益于其他视角。其次，我们提出一种递归图像结构模型，由多视角2D姿态恢复3D姿态，以可承受的计算代价逐步提升3D姿态精度。我们在H36M与Total Capture两个公开数据集上测试了方法，平均逐关节位置误差分别为26mm与29mm，显著优于现有最优方法(26mm对52mm，29mm对35mm)。我们的代码发布于\url{https://github.com/microsoft/multiview-human-pose-estimation-pytorch}。
引用
@article{arxiv.1909.01203,
title = {Cross View Fusion for 3D Human Pose Estimation},
author = {Haibo Qiu and Chunyu Wang and Jingdong Wang and Naiyan Wang and Wenjun Zeng},
journal= {arXiv preprint arXiv:1909.01203},
year = {2019}
}
备注
Accepted by ICCV 2019