GraFormer：用于三维姿态估计的图卷积Transformer
计算机视觉与模式识别
2021-09-20 v1
摘要
利用2D关节之间的关系在2D到3D姿态估计中起着至关重要的作用，但仍未充分发展。为缓解此问题，我们提出GraFormer，一种结合图卷积用于3D姿态估计的新型transformer架构。所提出的GraFormer包含两个重复堆叠的核心模块，GraAttention和ChebGConv块。GraAttention使所有2D关节在全局感受野中交互而不削弱关节的图结构信息，这为后续模块引入了重要特征。与仅建模关节表观关系的普通图卷积不同，ChebGConv块使2D关节在高阶球面上交互，从而构建其隐藏的隐式关系。我们通过在流行基准上进行大量实验实证展示了GraFormer的优越性。具体而言，GraFormer在Human3.6M数据集上以18%的参数优于SOTA。代码可在https://github.com/Graformer/GraFormer获取。
引用
@article{arxiv.2109.08364,
title = {GraFormer: Graph Convolution Transformer for 3D Pose Estimation},
author = {Weixi Zhao and Yunjie Tian and Qixiang Ye and Jianbin Jiao and Weiqiang Wang},
journal= {arXiv preprint arXiv:2109.08364},
year = {2021}
}
备注
9 pages, 6 figures