DeepSkeleton：用于 3D 人体姿态回归的骨架图
计算机视觉与模式识别
2017-11-30 v1
摘要
尽管 2D 人体姿态估计近期取得了成功，3D 人体姿态估计仍是一个开放问题。一个关键挑战是其固有的深度模糊性这一病态性质。本文提出了一种名为骨架图（skeleton map）的新型中间特征表示用于回归。它从 RGB 图像的无关属性（如光照和纹理）中提炼结构上下文。它简单、干净，并且可通过反卷积网络轻松生成。我们首次表明，仅从骨架图训练回归网络即能达到当前最优 3D 人体姿态估计工作的性能。我们进一步利用多组 3D 假设生成的能力，获得与 2D 姿态检测一致的合理 3D 姿态。我们方法的有效性在具有挑战性的野外数据集 MPII 和室内数据集 Human3.6M 上得到了验证。
引用
@article{arxiv.1711.10796,
title = {DeepSkeleton: Skeleton Map for 3D Human Pose Regression},
author = {Qingfu Wan and Wei Zhang and Xiangyang Xue},
journal= {arXiv preprint arXiv:1711.10796},
year = {2017}
}