EnvPoser：基于环境的稀疏观察下真实人体运动估计
计算机视觉与模式识别
2025-03-25 v2
摘要
使用VR设备中头部和手部的跟踪信号来估计全身运动具有巨大的潜力，适用于各种应用。然而，观察的稀疏性和独特分布呈现出显著挑战，导致全身运动估计的问题是多解的(即，假设)。这放大了全身运动估计的不确定性和模糊性，尤其是对于下身关节。因此，我们提出了EnvPoser方法，采用两阶段框架，使用稀疏跟踪信号和预扫描的环境来执行全身运动估计。EnvPoser通过第一阶段中的不确定性感知估计模块来建模人体运动的多假设性质。在第二阶段，我们通过整合语义和几何环境约束来细化这些多假设估计，确保最终的运动估计与环境背景和物理相互作用一致。在两个公开数据集上的定性和定量实验表明，我们的方法在人体运动估计中实现了最新的性能，突出显示了在运动-环境相互作用场景中人体运动估计的显著改进。
引用
@article{arxiv.2412.10235,
title = {EnvPoser: Environment-aware Realistic Human Motion Estimation from Sparse Observations with Uncertainty Modeling},
author = {Songpengcheng Xia and Yu Zhang and Zhuo Su and Xiaozheng Zheng and Zheng Lv and Guidong Wang and Yongjie Zhang and Qi Wu and Lei Chu and Ling Pei},
journal= {arXiv preprint arXiv:2412.10235},
year = {2025}
}
备注
Accepted by CVPR2025