mmJoints：扩展毫米波三维姿态估计中的关节表示，超越 (x,y,z)
计算机视觉与模式识别
2025-10-13 v1
摘要
在基于毫米波的姿态估计中，稀疏信号和弱反射常导致模型依赖统计先验而非传感器数据来推断身体关节。虽然先验知识有助于学习有意义的表示，但对其过度依赖会降低下游任务（如手势和行为识别）的性能。本文提出 mmJoints 框架，在预训练的基于毫米波的三维姿态估计黑盒模型的输出上增补额外的关节描述符。mmJoints 并非消除偏差，而是将其显式化，通过估计关节被感知到的可能性及其预测位置的可靠性来实现。这些描述符增强了可解释性并提升了下游任务的准确性。通过在 13 种姿态估计设置下对超过 115,000 帧信号进行广泛评估，我们证明 mmJoints 的描述符估计误差率低于 4.2%。mmJoints 还将关节位置精度提升了最多 12.5%，并将行为识别准确率提升了最多 16%，超越了最先进的 方法。
引用
@article{arxiv.2510.08970,
title = {mmJoints: Expanding Joint Representations Beyond (x,y,z) in mmWave-Based 3D Pose Estimation},
author = {Zhenyu Wang and Mahathir Monjur and Shahriar Nirjon},
journal= {arXiv preprint arXiv:2510.08970},
year = {2025}
}