利用合成数据改进罕见相机视角下的二维人体姿态估计
计算机视觉与模式识别
2024-07-16 v2
摘要
人体姿态估计的方法与数据集主要聚焦于侧视和正视场景。我们通过利用合成数据克服该局限，并引入 RePoGen（RarE POses GENerator），一种基于 SMPL 的用于生成对姿态和视角具有全面控制能力的合成人体方法。在俯视数据集和一个包含多样姿态真实图像的新数据集上的实验表明，将 RePoGen 数据添加到 COCO 数据集后，在俯视和仰视姿态估计上优于以往方法，且不会损害常见视角下的性能。消融研究表明，解剖合理性——以往研究关注的一个属性——并非有效性能的必要前提。所引入的数据集及相应代码发布于 https://mirapurkrabek.github.io/RePoGen-paper/ 。
引用
@article{arxiv.2307.06737,
title = {Improving 2D Human Pose Estimation in Rare Camera Views with Synthetic Data},
author = {Miroslav Purkrabek and Jiri Matas},
journal= {arXiv preprint arXiv:2307.06737},
year = {2024}
}
备注
https://mirapurkrabek.github.io/RePoGen-paper/