启发式弱监督三维人体姿态估计
计算机视觉与模式识别
2023-05-15 v3
摘要
从RGB图像进行单目三维人体姿态估计近年来引起了显著关注。然而，近期模型依赖于对其目标域使用三维姿态真值数据或已知姿态先验的监督训练。三维姿态数据通常通过动作捕捉设备采集，严重限制了其适用性。本文中，我们提出一种启发式弱监督三维人体姿态(HW-HuP)方案，在无可用的三维姿态真值数据时估计三维姿态。HW-HuP从三维人体姿态数据集中学习部分姿态先验，并利用来自目标域易于获取的观测，在优化与回归循环中估计三维人体姿态与形状。我们在训练期间采用深度数据作弱监督，但推理时不使用。我们表明，在难以获取三维姿态数据的两种实际设定——床上人体姿态与野外婴儿姿态中，HW-HuP有意义地优于最先进模型。此外，我们表明即使在公开基准上此类模型使用三维姿态数据训练时，HW-HuP仍保持可与前沿模型相媲美的性能。
引用
@article{arxiv.2105.10996,
title = {Heuristic Weakly Supervised 3D Human Pose Estimation},
author = {Shuangjun Liu and Michael Wan and Sarah Ostadabbas},
journal= {arXiv preprint arXiv:2105.10996},
year = {2023}
}