EVOPOSE：一种带运动学结构先验的递归Transformer三维人体姿态估计模型
计算机视觉与模式识别
2023-06-19 v1
摘要
Transformer在近期三维人体姿态估计中颇受欢迎，其利用长期建模将2D关键点提升入3D空间。然而，当前基于Transformer的方法未充分利用运动学结构所提供的人体骨骼先验知识。本文中，我们提出一种新颖的基于Transformer的模型EvoPose，以有效引入人体先验知识用于三维人体姿态估计。具体而言，结构先验表示（SPR）模块将人体先验表示为携带丰富身体模式（如关节关系）的结构特征。该结构特征与2D姿态序列交互，助模型获得更具信息量的时空特征。此外，递归精炼（RR）模块通过利用估计结果并同时进一步注入人体先验，来精炼3D姿态输出。大量实验证明了EvoPose的有效性，其在两个最流行基准Human3.6M与MPI-INF-3DHP上取得新的当前最优。
引用
@article{arxiv.2306.09615,
title = {EVOPOSE: A Recursive Transformer For 3D Human Pose Estimation With Kinematic Structure Priors},
author = {Yaqi Zhang and Yan Lu and Bin Liu and Zhiwei Zhao and Qi Chu and Nenghai Yu},
journal= {arXiv preprint arXiv:2306.09615},
year = {2023}
}
备注
5 pages, 2 figures, 4 tables, published in the proceedings of IEEE ICASSP 2023