GFPose：利用梯度场学习三维人体姿态先验
计算机视觉与模式识别
2022-12-19 v1
摘要
学习三维人体姿态先验对于以人为中心的人工智能至关重要。本文提出 GFPose，一个用于为多种应用建模合理三维人体姿态的通用框架。GFPose 的核心是一个时间相关的得分网络，它估计每个身体关节上的梯度，并逐步去噪受扰动的的三维人体姿态以匹配给定任务规范。在去噪过程中，GFPose 隐式地将姿态先验融入梯度，并将各类判别与生成任务统一于一个优雅的框架中。尽管形式简单，GFPose 在若干下游任务中展现出巨大潜力。我们的实验经验表明：1）作为多假设姿态估计器，GFPose 在 Human3.6M 数据集上超越现有 SOTA 20%；2）作为单假设姿态估计器，即便使用朴素骨干网络，GFPose 也取得了与确定性 SOTA 相当的结果；3）GFPose 能够在姿态去噪、补全与生成任务中产出多样且真实的样本。项目主页 https://sites.google.com/view/gfpose/
引用
@article{arxiv.2212.08641,
title = {GFPose: Learning 3D Human Pose Prior with Gradient Fields},
author = {Hai Ci and Mingdong Wu and Wentao Zhu and Xiaoxuan Ma and Hao Dong and Fangwei Zhong and Yizhou Wang},
journal= {arXiv preprint arXiv:2212.08641},
year = {2022}
}