从结构与运动中学习三维人体姿态
计算机视觉与模式识别
2018-07-05 v2
摘要
从单幅图像估计三维人体姿态是一个具有挑战性的问题，尤其对于野外场景，因为缺乏三维标注数据。我们提出了两个受解剖学启发的损失函数，并将其用于一个弱监督学习框架中，以联合从大规模的野外二维数据和室内/合成三维数据中学习。我们还提出了一个简单的时间网络，利用预测姿态序列中存在的时序与结构线索来在时间上协调姿态估计。我们通过损失曲面可视化和敏感性分析仔细分析了所提出的贡献，以促进对其工作机制的更深入理解。我们的完整流程在 Human3.6M 和 MPI-INF-3DHP 上分别将最先进水平提升了 11.8% 和 12%，并在商用显卡上以 30 FPS 运行。
引用
@article{arxiv.1711.09250,
title = {Learning 3D Human Pose from Structure and Motion},
author = {Rishabh Dabral and Anurag Mundhada and Uday Kusupati and Safeer Afaque and Abhishek Sharma and Arjun Jain},
journal= {arXiv preprint arXiv:1711.09250},
year = {2018}
}
备注
ECCV 2018. Project page: https://www.cse.iitb.ac.in/~rdabral/3DPose/