从Decanus到Legatus:用于2D-3D人体姿态提升的合成训练
计算机视觉与模式识别
2022-10-06 v1
摘要
3D人体姿态估计是一项具有挑战性的任务,因为在受控环境之外难以获取真实标注数据。若干进一步的问题一直阻碍着构建通用且鲁棒模型的发展,包括不同数据集之间的域差距、训练与测试数据集之间的未见动作、多样的硬件设置以及标注成本高昂等。在本文中,我们提出一种算法,在2D到3D人体姿态提升神经网络的训练过程中,基于10个初始手工设计的3D姿态(Decanus)从3D姿态分布生成无限的3D合成人体姿态(Legatus)。我们的结果表明,我们能够在零样本设定下取得与使用专用数据集真实数据的方法相当的3D姿态估计性能,展示了我们框架的泛化潜力。
引用
@article{arxiv.2210.02231,
title = {Decanus to Legatus: Synthetic training for 2D-3D human pose lifting},
author = {Yue Zhu and David Picard},
journal= {arXiv preprint arXiv:2210.02231},
year = {2022}
}
备注
Accepted by ACCV 2022