L2A：学习累积姿态历史以提升 3D 人体姿态估计精度
计算机视觉与模式识别
2026-05-13 v2
摘要
现有的 2D-3D 提升人体姿态估计方法已取得显著性能。但对网络深度中历史姿态表示的利用被忽视了。在当前流程中，信息通过固定残差连接传递，这限制了对早期层特征（如细粒度空间结构和短期运动线索）的有效重用。然而， naively 将历史特征跨层纳入并非易事。我们进一步指出，保持跨层一致的表示空间是有效跨层特征聚合的前提。为此，我们提出一种历史感知框架，实现有效的网络跨层历史特征利用。具体而言，我们采用空间-时间平行 Transformer 骨干网络，防止顺序处理中空间-时间转换交替，从而保持一致的表示空间。基于此，我们引入历史姿态累积（History Pose Accumulation, HPA）机制，适应性地聚合来自所有前置层的特征以增强当前表示。此外，我们提出层姿态历史聚合（Layer Pose History Aggregation, LPA）模块，将层姿态特征转换为紧凑且结构化的形式，减少冗余并实现更稳定的聚合。大量实验表明，我们的方法在基准测试上实现了最佳性能。
引用
@article{arxiv.2605.08806,
title = {L2A: Learning to Accumulate Pose History for Accurate 3D Human Pose Estimation},
author = {Zehua Wang and Changwang Mei and Huaijiang Sun and Pengqi Hu and Zhaoyang Yin},
journal= {arXiv preprint arXiv:2605.08806},
year = {2026}
}
备注
15page