生成与2D关节检测一致的人体3D姿态的多个多样假设
计算机视觉与模式识别
2017-08-22 v2 人工智能
多媒体
机器学习
摘要
我们提出一种方法，用于生成多个多样且有效的人体三维姿态假设，这些假设均与单目 RGB 图像中关节的二维检测一致。我们使用一种在解剖学上合理的人体三维姿态空间中均匀（无偏）的新型生成模型。我们的模型是组合式的（通过组合部件产生姿态），并且由于它仅受解剖学约束限制，因此可以泛化到每一个合理的人体三维姿态。移除模型偏置从本质上有助于生成更多样的人体三维姿态假设。我们认为，鉴于深度模糊以及由遮挡和不完美的二维关节检测导致的不确定性，生成多个姿态假设比仅基于二维关节检测生成单一三维姿态更为合理。我们希望生成多个一致姿态假设的想法能够引发文献中尚未受到太多关注的新研究方向。我们使用 Human3.6M 数据集进行实证评估。
引用
@article{arxiv.1702.02258,
title = {Generating Multiple Diverse Hypotheses for Human 3D Pose Consistent with 2D Joint Detections},
author = {Ehsan Jahangiri and Alan L. Yuille},
journal= {arXiv preprint arXiv:1702.02258},
year = {2017}
}
备注
accepted to ICCV 2017 (PeopleCap)