从密集对应中学习人体形状与姿态
计算机视觉与模式识别
2019-07-30 v1
摘要
在本文中，我们解决了从2D图像数据集学习3D人体姿态和体型的问题，而无需使用3D数据集（身体形状和姿态）。其思想是使用图像点与身体表面之间的密集对应，这可以在野外的2D图像上标注，并从中提取和聚合3D信息。为此，我们提出了一种称为“变形并学习（deform-and-learn）”的训练策略，其中我们交替进行可变形表面注册和深度卷积神经网络（ConvNets）的训练。与先前的方法不同，我们的方法不需要来自动作捕捉（MoCap）系统的3D姿态标注或人工干预来验证3D姿态标注。
引用
@article{arxiv.1907.11955,
title = {Learning Body Shape and Pose from Dense Correspondences},
author = {Yusuke Yoshiyasu and Lucas Gamez},
journal= {arXiv preprint arXiv:1907.11955},
year = {2019}
}