学习可迁移运动学字典用于 3D 人体姿态与形状重建
计算机视觉与模式识别
2021-04-22 v2
摘要
从单张图像估计 3D 人体姿态与形状具有高度欠约束性。为应对此歧义性，我们提出一种新颖先验，即运动学字典，其显式正则化运动学树中人体关节相对 3D 旋转的解空间。与统计人体模型及深度神经网络相整合，我们的方法实现端到端 3D 重建，且在神经网络训练期间无需使用任何形状标注。该运动学字典弥合了野外图像与 3D 数据集间的鸿沟，从而促成跨所有类型数据集的端到端训练。所提方法在包含 Human3.6M、MPI-INF-3DHP 与 LSP 的大规模数据集上取得具竞争力的结果，且在给定人体边界框时以实时运行。
引用
@article{arxiv.2104.00953,
title = {Learning Transferable Kinematic Dictionary for 3D Human Pose and Shape Reconstruction},
author = {Ze Ma and Yifan Yao and Pan Ji and Chao Ma},
journal= {arXiv preprint arXiv:2104.00953},
year = {2021}
}