E-3DPSM：基于事件的环视 3D 人体姿态估计的状态机
计算机视觉与模式识别
2026-04-10 v1
摘要
事件相机在来自头部戴戴设备的单目环视 3D 人体姿态估计中提供了多项优势，包括毫秒级时间分辨率、高动态范围以及可忽略的运动模糊。现有方法有效利用了这些特性，但因未充分针对事件流（如其异步和连续性）进行设计，导致 3D 估计精度不足，在许多应用中表现不佳（例如沉浸式 VR/AR）。这由于对自遮挡和估计中的时间抖动高度敏感。本文重新思考了该问题，提出了 E-3DPSM，即一种用于事件式环视 3D 人体姿态估计的事件驱动连续姿态状态机。E-3DPSM 将连续的人体运动与细粒度的事件动力学对齐；它演化潜在状态并预测与观察到的事件相关的 3D 关节位置的连续变化，这些变化与直接的 3D 人体姿态预测相融合，从而实现稳定且无漂移的最终 3D 姿态重建。E-3DPSM 在单台工作站上以 80Hz 实时运行，并在两个基准测试中取得了新的状态突破，提升了精度最高可达 19%（MPJPE），时间稳定性提升最高可达 2.7 倍。请参阅我们的项目页面获取源代码和训练好的模型。
引用
@article{arxiv.2604.08543,
title = {E-3DPSM: A State Machine for Event-Based Egocentric 3D Human Pose Estimation},
author = {Mayur Deshmukh and Hiroyasu Akada and Helge Rhodin and Christian Theobalt and Vladislav Golyanik},
journal= {arXiv preprint arXiv:2604.08543},
year = {2026}
}
备注
20 pages; 14 figures and 14 tables; CVPR 2026; project page: https://4dqv.mpi-inf.mpg.de/E-3DPSM/