用于三维人体姿态估计的层次图网络
计算机视觉与模式识别
2023-04-05 v2
摘要
近期的二维到三维人体姿态估计工作倾向于利用人体骨骼拓扑所形成的图结构。然而,我们认为这种骨骼拓扑过于稀疏,无法反映身体结构,并遭受严重的二维到三维歧义问题。为克服这些弱点,我们提出了一种新颖的图卷积网络架构——层次图网络(HGN)。它基于由我们的多尺度图结构构建策略生成的更稠密图拓扑,从而提供更精细的几何信息。所提架构包含三个并行组织的从稀疏到精细的表示子网络,其中多尺度图结构特征被处理并通过一种新颖的特征融合策略交换信息,从而产生丰富的层次化表示。我们还引入了三维粗网格约束以进一步提升与细节相关的特征学习。大量实验表明,我们的 HGN 以更少的网络参数实现了最先进的性能。代码发布于 https://github.com/qingshi9974/BMVC2021-Hierarchical-Graph-Networks-for-3D-Human-Pose-Estimation。
引用
@article{arxiv.2111.11927,
title = {Hierarchical Graph Networks for 3D Human Pose Estimation},
author = {Han Li and Bowen Shi and Wenrui Dai and Yabo Chen and Botao Wang and Yu Sun and Min Guo and Chenlin Li and Junni Zou and Hongkai Xiong},
journal= {arXiv preprint arXiv:2111.11927},
year = {2023}
}
备注
accepted by BMVC 2021