从静态图像预测人体动态
计算机视觉与模式识别
2017-04-12 v1
摘要
本文首次研究了从静态图像预测人体动态的问题。该问题是输入单张 RGB 图像并生成一系列即将出现的人体 3D 姿态。为解决这个问题，我们提出了 3D 姿态预测网络（3D-PFNet）。我们的 3D-PFNet 集成了近期在单图像人体姿态估计与序列预测方面的进展，并将 2D 预测转换到 3D 空间。我们使用三步训练策略来训练 3D-PFNet，以利用多样化的训练数据源，包括基于图像和视频的人体姿态数据集以及 3D 动作捕捉（MoCap）数据。我们通过定量与定性结果展示了 3D-PFNet 在 2D 姿态预测和 3D 姿态恢复上具有竞争力的性能。
引用
@article{arxiv.1704.03432,
title = {Forecasting Human Dynamics from Static Images},
author = {Yu-Wei Chao and Jimei Yang and Brian Price and Scott Cohen and Jia Deng},
journal= {arXiv preprint arXiv:1704.03432},
year = {2017}
}
备注
Accepted in CVPR 2017