基于分层时间剪枝的高效扩散式3D人体姿态估计
计算机视觉与模式识别
2026-03-10 v3
摘要
扩散模型在生成高保真3D人体姿态方面展现出强大的能力，但其迭代性质和多假设需求导致计算成本高昂。本文提出一种基于分层时间剪枝策略的高效扩散式3D人体姿态估计框架。该框架在保持关键运动动力学的同时，动态剪枝跨帧和语义水平的冗余姿态标记。HTP采用阶段性、自上而下的方式工作：(1) 时间相关性增强剪枝(TCEP)通过自适应时间图构建分析帧间运动关联，识别关键帧；(2) 稀疏聚焦时间多头自注意力(SFT MHSA)利用所得帧级稀疏性减少注意力计算，聚焦于运动相关标记；(3) 掩码导引姿态标记剪枝(MGPTP)通过聚类执行细粒度语义剪枝，仅保留最具信息性的姿态标记。在Human3.6M和MPI-INF-3DHP数据集上实验表明，HTP将训练MACs降低38.5%，推理MACs降低56.8%，推理速度提升81.1%，同时实现了领先扩散方法的最新性能。
引用
@article{arxiv.2508.21363,
title = {Efficient Diffusion-Based 3D Human Pose Estimation with Hierarchical Temporal Pruning},
author = {Yuquan Bi and Hongsong Wang and Xinli Shi and Zhipeng Gui and Jie Gui and Yuan Yan Tang},
journal= {arXiv preprint arXiv:2508.21363},
year = {2026}
}
备注
Accepted by IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHOLOGY