用于多人三维姿态估计的分布感知单阶段模型
计算机视觉与模式识别
2022-03-24 v4
摘要
本文提出一种新颖的分布感知单阶段（DAS）模型，用于解决具有挑战性的多人三维姿态估计问题。与现有的自顶向下和自底向上方法不同，所提出的 DAS 模型以一次性方式在三维相机空间中同时定位人体位置及其对应的身体关节。这带来了一个简化且高效的流程。此外，DAS 学习身体关节的真实分布以回归其位置，而非像以往工作那样做简单的拉普拉斯或高斯假设。这为模型预测提供了有价值的先验，从而将基于回归的方案提升到与基于体素的方法相竞争的性能。而且，DAS 采用递归更新策略逐步逼近回归目标，缓解了优化困难并进一步提升了回归性能。DAS 以全卷积神经网络实现且可端到端学习。在基准 CMU Panoptic 和 MuPoTS-3D 上的综合实验证明了所提出 DAS 模型的优越效率，具体而言比先前最佳模型快 1.5 倍，并且在多人三维姿态估计上具有最先进的精度。
引用
@article{arxiv.2203.07697,
title = {Distribution-Aware Single-Stage Models for Multi-Person 3D Pose Estimation},
author = {Zitian Wang and Xuecheng Nie and Xiaochao Qu and Yunpeng Chen and Si Liu},
journal= {arXiv preprint arXiv:2203.07697},
year = {2022}
}
备注
To appear in CVPR 2022. Code will be released