利用伪标签学习时序三维人体姿态估计
计算机视觉与模式识别
2021-10-15 v1
摘要
我们提出一种简单而有效的自监督三维人体姿态估计方法。与先前工作不同，我们在多视图自监督之外还探索了时序信息。训练过程中，我们依赖对多视图相机系统的二维人体姿态估计进行三角测量。利用生成的三维真实标注和几何多视图一致性损失训练一个时序卷积神经网络，对预测的三维人体骨架施加几何约束。在推理阶段，我们的模型接收来自单视图的二维人体姿态估计序列，并预测每一帧对应的三维人体姿态。大量评估表明，我们的方法在 Human3.6M 和 MPI-INF-3DHP 基准上达到了最先进的性能。我们的代码和模型已在 \url{https://github.com/vru2020/TM_HPE/} 公开。
引用
@article{arxiv.2110.07578,
title = {Learning Temporal 3D Human Pose Estimation with Pseudo-Labels},
author = {Arij Bouazizi and Ulrich Kressel and Vasileios Belagiannis},
journal= {arXiv preprint arXiv:2110.07578},
year = {2021}
}
备注
Accepted for publication at AVSS 2021. Project page:https://github.com/vru2020/TM_HPE/