弱监督三维人体姿态估计中投影模型的误差界
计算机视觉与模式识别
2020-10-26 v1
摘要
当前单目三维人体姿态估计的最先进水平深受弱监督方法的影响。这些方法允许使用二维标签来学习有效的三维人体姿态恢复，既可直接从图像中学习，也可通过二维到三维姿态提升来实现。在本文中，我们详细分析了最常用的简化投影模型，这些模型将估计的三维姿态表示与二维标签相关联：归一化透视投影和弱透视投影。具体而言，我们在常用的平均逐关节位置误差（MPJPE）下推导了这些投影模型的理论下界误差。此外，我们展示了如何替换归一化透视投影以避免这种有保证的最小误差。我们在最常用的三维人体姿态估计基准数据集上评估了推导的下界。我们的结果表明，即使在位置和尺度对齐后，两种投影模型都会导致 19.3mm 至 54.7mm 的固有最小误差。与近期最先进结果相比，这是一个相当大的占比。因此，我们的论文建立了一个理论基线，表明在弱监督三维人体姿态估计中合适的投影模型的重要性。
引用
@article{arxiv.2010.12317,
title = {Error Bounds of Projection Models in Weakly Supervised 3D Human Pose Estimation},
author = {Nikolas Klug and Moritz Einfalt and Stephan Brehm and Rainer Lienhart},
journal= {arXiv preprint arXiv:2010.12317},
year = {2020}
}
备注
Accepted at 3DV 2020