学习融合2D与3D图像线索用于单目人体姿态估计
计算机视觉与模式识别
2017-04-11 v3
摘要
大多数近期的单目3D人体姿态估计方法依赖于深度学习。它们通常涉及从图像直接回归到3D关节坐标，或者回归2D关节位置再推断3D坐标。两种方法各有优劣，因此我们提出了一种新颖架构，通过同时执行两者并沿途融合信息，以兼具两者之长。我们框架的核心是一个可训练的融合方案，它学习如何最优地融合信息，而非手工设计。这在标准3D人体姿态估计基准上取得了显著优于当前最优方法的改进。
引用
@article{arxiv.1611.05708,
title = {Learning to Fuse 2D and 3D Image Cues for Monocular Body Pose Estimation},
author = {Bugra Tekin and Pablo Márquez-Neila and Mathieu Salzmann and Pascal Fua},
journal= {arXiv preprint arXiv:1611.05708},
year = {2017}
}