Dynamic Inertial Poser (DynaIP)：基于部位运动动力学学习的稀疏惯性传感器增强人体姿态估计
计算机视觉与模式识别
2024-03-08 v2
摘要
本文介绍了一种使用稀疏惯性传感器的新型人体姿态估计方法，解决了以往依赖合成数据的方法的缺陷。该方法利用来自不同骨骼格式的多种真实惯性动作捕捉数据，以提高运动多样性和模型泛化能力。该方法包含两个创新组件：一个用于惯性传感器动态动作捕捉的伪速度回归模型，以及一个将身体和传感器数据划分为三个区域的基于部位的模型，每个区域侧重于其独有的特征。该方法在五个公开数据集上的性能优于 SOTA 模型，在 DIP-IMU 数据集上姿态误差显著减少了 19\%，从而代表了基于惯性传感器的人体姿态估计的重大改进。我们的代码可在 {\url{https://github.com/dx118/dynaip}} 获取。
引用
@article{arxiv.2312.02196,
title = {Dynamic Inertial Poser (DynaIP): Part-Based Motion Dynamics Learning for Enhanced Human Pose Estimation with Sparse Inertial Sensors},
author = {Yu Zhang and Songpengcheng Xia and Lei Chu and Jiarui Yang and Qi Wu and Ling Pei},
journal= {arXiv preprint arXiv:2312.02196},
year = {2024}
}
备注
Accepted by CVPR2024