DiffuPose：基于去噪扩散概率模型的单目3D人体姿态估计
计算机视觉与模式识别
2023-08-04 v3
摘要
得益于2D关键点检测器的发展，通过2D到3D提升方法的单目3D人体姿态估计（HPE）取得了显著改进。然而，由于固有的深度模糊与遮挡，单目3D HPE仍是一项具有挑战性的问题。为处理该问题，许多先前工作利用时序信息来缓解此类困难。但许多实际应用场景无法获取帧序列。本文聚焦于从单次2D关键点检测重建3D姿态。我们不利用时序信息，而是通过生成多个可映射到同一2D关键点的3D姿态候选来减轻深度模糊。我们构建了一种新颖的基于扩散的框架，以从现成的2D检测器中有效采样多样化的3D姿态。通过用图卷积网络替换传统的去噪U-Net来考虑人体关节间的相关性，我们的方法实现了进一步的性能提升。我们在广泛采用的Human3.6M和HumanEva-I数据集上评估了我们的方法。进行了全面的实验以证明所提方法的有效性，并确认我们的模型优于最先进的多假设3D HPE方法。
引用
@article{arxiv.2212.02796,
title = {DiffuPose: Monocular 3D Human Pose Estimation via Denoising Diffusion Probabilistic Model},
author = {Jeongjun Choi and Dongseok Shim and H. Jin Kim},
journal= {arXiv preprint arXiv:2212.02796},
year = {2023}
}
备注
Accepted to IROS 2023. First two authors contributed equally