用于人体姿态跟踪的显式时空联合关系学习
计算机视觉与模式识别
2019-03-28 v3
摘要
我们提出一种基于学习关节间时空关系的人体姿态跟踪方法。除在给定帧中生成关节的热图外，我们的系统还学习预测该帧中该关节相对于邻近关节的偏移量。此外，它以能应对可能变化的关节外观（不同于光流）的方式，被训练来预测关节相对于其在前一帧中位置的位移。这些空间域与时间域中的关系线索通过仅关注视频帧中的相关区域而被稳健地推断。通过显式学习并利用这些关节关系，我们的系统在多个姿态跟踪任务的标准基准上取得了最先进的性能，包括 RGB 视频中的三维身体姿态跟踪、深度序列中的三维手部姿态跟踪，以及 RGB 视频中的三维手势跟踪。
引用
@article{arxiv.1811.07123,
title = {Explicit Spatiotemporal Joint Relation Learning for Tracking Human Pose},
author = {Xiao Sun and Chuankang Li and Stephen Lin},
journal= {arXiv preprint arXiv:1811.07123},
year = {2019}
}