HuMoR：用于鲁棒姿态估计的 3D 人体运动模型
计算机视觉与模式识别
2021-08-19 v2 机器学习
摘要
我们提出 HuMoR：一个用于时序姿态与形状鲁棒估计的 3D 人体运动模型。尽管从动态观测中估计 3D 人体运动与形状已取得实质性进展，在噪声与遮挡存在下恢复合理的姿态序列仍具挑战。为此，我们提出一种以条件变分自编码器形式表达的生成式模型，其学习运动序列每步姿态变化量的分布。此外，我们引入一种灵活的基于优化的方法，利用 HuMoR 作为运动先验，从模糊观测中鲁棒估计合理姿态与形状。通过大量评估，我们证明该模型在大型动作捕捉数据集上训练后可泛化至多样运动与体型，并支持从包括 3D 关键点和 RGB(-D) 视频在内的多种输入模态进行运动重建。
引用
@article{arxiv.2105.04668,
title = {HuMoR: 3D Human Motion Model for Robust Pose Estimation},
author = {Davis Rempe and Tolga Birdal and Aaron Hertzmann and Jimei Yang and Srinath Sridhar and Leonidas J. Guibas},
journal= {arXiv preprint arXiv:2105.04668},
year = {2021}
}
备注
ICCV 2021 camera ready