学习姿态语法以编码人体构型用于三维姿态估计
计算机视觉与模式识别
2018-01-08 v6 人工智能
摘要
本文提出一种姿态语法来解决三维人体姿态估计问题。我们的模型直接以二维姿态作为输入，并学习一个通用的二维到三维映射函数。所提出的模型包含一个基础网络，用于高效捕捉与姿态对齐的特征，以及顶层的循环神经网络（BRNN）层次结构，以显式融入关于人体构型的一组知识（即运动学、对称性、运动协调性）。因此，该模型对人体姿态施加了高层约束。在学习过程中，我们开发了一种姿态样本模拟器，用于在虚拟相机视角下增强训练样本，从而进一步提高了模型的泛化能力。我们在公共三维人体姿态基准上验证了该方法，并提出了一种新的跨视角评估协议，以验证不同方法的泛化能力。经验观察表明，大多数最先进的方法在此类设置下遇到困难，而我们的方法能够很好地处理此类挑战。
引用
@article{arxiv.1710.06513,
title = {Learning Pose Grammar to Encode Human Body Configuration for 3D Pose Estimation},
author = {Haoshu Fang and Yuanlu Xu and Wenguan Wang and Xiaobai Liu and Song-Chun Zhu},
journal= {arXiv preprint arXiv:1710.06513},
year = {2018}
}
备注
Accepted by AAAI 2018