LiftFormer：基于注意力模型的 3D 人体姿态估计

估计人体关节的三维位置在过去几年中已成为广泛研究的课题。特别侧重于定义将二维数据（关键点）外推至 3D 的新方法，即预测关联于人骨架的关节的根相对坐标。最新研究趋势已证明 Transformer 编码器模块聚合时间信息显著优于以往方法。因此，我们提出使用这些模型，通过对视频中有序人体姿态序列运用注意力机制来利用时间信息，从而获得更精确的 3D 预测。在使用二维关键点预测器时，我们的方法在 Human3.6M 上以 0.3 mm（44.8 MPJPE，0.7% 提升）的优势持续优于文献中先前最佳结果，在使用真值输入时以 2 mm（MPJPE：31.9，8.4% 提升）优于先前结果。它还在 HumanEva-I 数据集上以 10.5 P-MPJPE（降低 22.2%）取得最先进性能。我们模型的参数量易于调节且更小（9.5M），小于当前方法（16.95M 与 11.25M），同时仍具更优性能。因而，我们的 3D 提升模型的精度超越其他端到端或 SMPL 方法，并与许多多视角方法相当。