从清晰到模糊：利用事件相机在极端运动模糊下进行 2D 人体姿态估计的无监督域适应
计算机视觉与模式识别
2025-07-31 v1
摘要
人体姿态估计对于康复、运动分析和 AR/VR 系统等应用至关重要。然而，快速运动和低光照条件常会引入运动模糊，由于清晰图像与模糊图像之间的域差距，这会显著降低姿态估计的性能。大多数数据集假设稳定条件，使得在清晰图像上训练的模型在模糊环境中表现挣扎。为解决此问题，我们引入了一种利用事件相机的新型域适应方法，事件相机能够捕获高时间分辨率的运动数据，且本质上对运动模糊具有鲁棒性。利用基于事件的增强，我们生成了运动感知的模糊图像，无需成对标注即可有效弥合清晰域与模糊域之间的域差距。此外，我们开发了一个学生-教师框架，利用相互不确定性掩码迭代地优化伪标签，以消除错误标签并实现更有效的学习。实验结果表明，我们的方法优于传统的域适应人体姿态估计方法，在目标域无需标注即可在运动模糊下实现鲁棒的姿态估计。我们的发现突出了事件相机作为真实世界运动模糊环境中域适应的可扩展且有效解决方案的潜力。我们的项目代码可在 https://github.com/kmax2001/EvSharp2Blur 获取。
引用
@article{arxiv.2507.22438,
title = {From Sharp to Blur: Unsupervised Domain Adaptation for 2D Human Pose Estimation Under Extreme Motion Blur Using Event Cameras},
author = {Youngho Kim and Hoonhee Cho and Kuk-Jin Yoon},
journal= {arXiv preprint arXiv:2507.22438},
year = {2025}
}