基于多视图图像与图神经网络的 3D 多人姿态估计
计算机视觉与模式识别
2021-09-14 v1
摘要
本文研究从多个已标定相机视角估计多个人体的 3D 姿态的任务。遵循自顶向下范式，我们将该任务分解为两个阶段，即人体定位与姿态估计。两个阶段均以由粗到精的方式处理。我们提出了三个任务特定的图神经网络以实现有效的消息传递。对于 3D 人体定位，我们首先使用多视图匹配图模块（MMG）学习跨视图关联并恢复粗粒度人体候选框；中心细化图模块（CRG）通过灵活的基于点的预测进一步细化结果。对于 3D 姿态估计，姿态回归图模块（PRG）同时学习多视图几何与人体关节间的结构关系。我们的方法在 CMU Panoptic 和 Shelf 数据集上以显著更低的计算复杂度取得了最先进的性能。
引用
@article{arxiv.2109.05885,
title = {Graph-Based 3D Multi-Person Pose Estimation Using Multi-View Images},
author = {Size Wu and Sheng Jin and Wentao Liu and Lei Bai and Chen Qian and Dong Liu and Wanli Ouyang},
journal= {arXiv preprint arXiv:2109.05885},
year = {2021}
}
备注
Accepted by ICCV'2021