掩码作为监督：利用统一掩码信息进行无监督 3D 姿态估计
计算机视觉与模式识别
2024-07-09 v2
摘要
从单目 RGB 图像中自动估计 3D 人体姿态是计算机视觉中一个具有挑战性且尚未解决的问题。在监督方式下，方法严重依赖繁杂的标注，并且由于 3D 姿态数据集的多样性有限，其泛化能力受到阻碍。为了应对这些挑战，我们提出了一个统一框架，利用掩码作为监督进行无监督 3D 姿态估计。借助通用的无监督分割算法，所提出的模型采用骨架和体型表示，从粗到细地挖掘准确的姿态信息。与以往的无监督方法相比，我们以完全无监督的方式组织人体骨架，这使得处理无标注数据成为可能并提供即用型的估计结果。综合实验表明，我们在 Human3.6M 和 MPI-INF-3DHP 数据集上取得了最先进的姿态估计性能。在野外数据集上的进一步实验也说明了获取更多数据以提升我们模型的能力。代码将在 https://github.com/Charrrrrlie/Mask-as-Supervision 上提供。
引用
@article{arxiv.2312.07051,
title = {Mask as Supervision: Leveraging Unified Mask Information for Unsupervised 3D Pose Estimation},
author = {Yuchen Yang and Yu Qiao and Xiao Sun},
journal= {arXiv preprint arXiv:2312.07051},
year = {2024}
}
备注
Accepted by ECCV2024