HTNet：用于三维人体姿态估计的人体拓扑感知网络
计算机视觉与模式识别
2023-02-21 v1 人机交互
机器学习
摘要
三维人体姿态估计误差会沿人体拓扑传播并在肢体末端关节累积。受自动控制系统回溯机制启发，我们设计了部件内约束模块，以父节点为参考在部件层级为末端关节建立拓扑约束。进一步考虑人体拓扑的层次性，关节级与身体级依赖分别通过图卷积网络与自注意力捕获。基于上述设计，我们提出一种新的人体拓扑感知网络（HTNet），其采用通道分离渐进策略，从关节、部件、身体多个语义层级顺序学习人体拓扑的结构先验。大量实验表明，所提方法在肢体末端关节上的估计精度提升18.7%，并在Human3.6M与MPI-INF-3DHP数据集上取得最先进结果。代码见 https://github.com/vefalun/HTNet。
引用
@article{arxiv.2302.09790,
title = {HTNet: Human Topology Aware Network for 3D Human Pose Estimation},
author = {Jialun Cai and Hong Liu and Runwei Ding and Wenhao Li and Jianbing Wu and Miaoju Ban},
journal= {arXiv preprint arXiv:2302.09790},
year = {2023}
}
备注
ICASSP23 Accepted Paper