皆为相对：基于弱监督数据的单目三维人体姿态估计
计算机视觉与模式识别
2018-07-31 v2
摘要
我们解决了仅使用弱监督训练数据从二维输入图像进行三维人体姿态估计的问题。尽管在二维姿态估计方面已显示出相当大的成功，但监督式机器学习在真实世界图像三维姿态估计中的应用目前受到缺乏具有相应三维姿态的多样化训练图像的阻碍。大多数现有的三维姿态估计算法在精心控制的 studio 环境中收集的数据或合成生成的数据上进行训练。相反，我们采取不同的方法，提出了一种仅需要在训练时提供深度相对估计的三维人体姿态估计算法。此类训练信号尽管含有噪声，但可由众包标注者轻松收集，并且质量足以成功训练和评估三维姿态算法。尽管使用了显著更弱的训练数据，我们的结果在 Human3.6M 数据集上与全监督基于回归的方法具有竞争力。我们提出的算法通过允许使用噪声相对约束进行微调，为利用现有广泛的二维数据集进行三维姿态估计打开了大门，从而获得更准确的三维姿态。
引用
@article{arxiv.1805.06880,
title = {It's all Relative: Monocular 3D Human Pose Estimation from Weakly Supervised Data},
author = {Matteo Ruggero Ronchi and Oisin Mac Aodha and Robert Eng and Pietro Perona},
journal= {arXiv preprint arXiv:1805.06880},
year = {2018}
}
备注
BMVC 2018. Project page available at http://www.vision.caltech.edu/~mronchi/projects/RelativePose