EventHPE：基于事件的 3D 人体姿态与形状估计
计算机视觉与模式识别
2021-08-17 v1
摘要
事件相机是一种新兴的成像传感器，以事件形式捕捉运动物体的动态，这促使我们开展从事件信号估计 3D 人体姿态与形状的工作。另一方面，事件有其独特挑战：事件信号最擅长捕捉局部运动，而非静态身体姿态。这引导我们提出一种称为 EventHPE 的两阶段深度学习方法。第一阶段 FlowNet 通过无监督学习训练，从事件推断光流。事件与光流均与人身体动态密切相关，被作为第二阶段 ShapeNet 的输入以估计 3D 人体形状。为缓解基于图像的流（光流）与基于形状的流（人体形状顶点运动）之间的差异，我们利用两种流均源自同一人体运动的事实，引入了新颖的流一致性损失。我们构建了一个带有 3D 姿态与形状标注的专有基于事件的 3D 人体数据集，据我们所知是目前最大的此类数据集。在 DHP19 数据集与我们的专有数据集上的实证评估证明了我们方法的有效性。
引用
@article{arxiv.2108.06819,
title = {EventHPE: Event-based 3D Human Pose and Shape Estimation},
author = {Shihao Zou and Chuan Guo and Xinxin Zuo and Sen Wang and Pengyu Wang and Xiaoqin Hu and Shoushun Chen and Minglun Gong and Li Cheng},
journal= {arXiv preprint arXiv:2108.06819},
year = {2021}
}
备注
ICCV 2021