深度姿态一致性网络
计算机视觉与模式识别
2019-10-08 v2
摘要
本文研究从单张图像估计三维人体姿态的问题，该问题十分重要但因诸多原因而难以解决，如自遮挡、外观剧烈变化以及从二维线索进行三维估计的固有歧义性。这些困难使得该问题是不适定的，从而需要越来越复杂的估计器来提升性能。另一方面，现有大多数方法试图基于单一复杂估计器来解决该问题，这可能并非好的解决方案。为解决此问题，本文提出一种基于多重部分假设的框架，用于从单张图像估计三维人体姿态，该框架可端到端微调。我们首先使用所提出的采样方案从人体关节模型中选取若干关节组，并基于深度神经网络分别估计每个关节组的三维姿态。随后，使用所提出的鲁棒优化公式将其聚合以获得最终的三维姿态。整个过程可端到端微调，从而获得更好的性能。实验中，所提出的框架在流行基准数据集 Human3.6M 和 HumanEva 上取得了 state-of-the-art 的性能，证明了所提出框架的有效性。
引用
@article{arxiv.1803.08190,
title = {Deep Pose Consensus Networks},
author = {Geonho Cha and Minsik Lee and Jungchan Cho and Songhwai Oh},
journal= {arXiv preprint arXiv:1803.08190},
year = {2019}
}