通过观看视频无监督学习人体姿态估计

本文提出一种在图像中获取人体粗略姿态估计的技术，无需任何人工监督。虽然通用的无监督技术无法估计人体姿态，但我们认为通过多帧观察人体运动可获得关于粗略姿态的充足信息。具体地，我们考虑通过视频获取替代监督，作为获得基于运动的聚类线索的手段。我们使用一个检测人的基本目标检测器来补充该方法。仅借助这些组件，我们获得了人体姿态的粗略估计。利用这些样本进行训练，我们训练了一个全卷积神经网络（FCNN）[20] 以获得准确的基于密集斑点的姿态估计。我们表明所获得的结果接近于真实标注，并且接近于在具有挑战性的数据集 [15] 上评估的使用全监督卷积姿态估计方法 [31] 所获得的结果。这通过使用基于姿态的动作识别方法 [5] 评估所获姿态得到进一步验证。在此设定下，我们优于使用全监督姿态估计算法的基线方法的结果，并且与利用全监督卷积姿态估计创建的新基线具有竞争力。