HuManiFlow：基于 SO(3) 流形上祖先条件化归一化流的人体姿态与形状分布估计
计算机视觉与模式识别
2023-05-12 v1
摘要
单目 3D 人体姿态与形状估计是一个病态问题，因为同一主体的 2D 图像可对应多个 3D 解。近期方法预测以图像为条件的合理 3D 姿态与形状参数的概率分布。我们表明这类方法在三个关键性质间存在权衡：（i）准确性——预测分布下真实 3D 解的似然；（ii）样本-输入一致性——预测分布中的 3D 样本与可见 2D 图像证据匹配的程度；（iii）样本多样性——预测分布所建模的合理 3D 解的范围。我们的方法 HuManiFlow 同时预测准确、一致且多样的分布。我们利用人体运动学树以自回归方式将全身姿态分解为祖先条件化的逐身体部位姿态分布。逐身体部位分布使用尊重 SO(3)（逐身体部位姿态的李群）流形结构的归一化流实现。我们指出病态但普遍的 3D 点估计损失会降低样本多样性，因此仅采用概率训练损失。代码见：https://github.com/akashsengupta1997/HuManiFlow。
引用
@article{arxiv.2305.06968,
title = {HuManiFlow: Ancestor-Conditioned Normalising Flows on SO(3) Manifolds for Human Pose and Shape Distribution Estimation},
author = {Akash Sengupta and Ignas Budvytis and Roberto Cipolla},
journal= {arXiv preprint arXiv:2305.06968},
year = {2023}
}
备注
CVPR 2023