基于运动引导的视频三维姿态估计
计算机视觉与模式识别
2020-04-30 v1
摘要
我们针对从二维姿态进行单目三维人体姿态估计的问题，提出了一种称为运动损失（motion loss）的新损失函数。在计算运动损失时，引入了一种简单而有效的关键点运动表示，称为成对运动编码（pairwise motion encoding）。我们设计了一种新的图卷积网络架构，即 U 形 GCN（UGCN）。它同时捕获短期和长期运动信息，以充分利用来自运动损失的额外监督。我们在两个大规模基准数据集 Human3.6M 和 MPI-INF-3DHP 上实验用运动损失训练 UGCN。我们的模型大幅超越其他 SOTA 模型。它还展现出生成平滑三维序列和恢复关键点运动的强大能力。
引用
@article{arxiv.2004.13985,
title = {Motion Guided 3D Pose Estimation from Videos},
author = {Jingbo Wang and Sijie Yan and Yuanjun Xiong and Dahua Lin},
journal= {arXiv preprint arXiv:2004.13985},
year = {2020}
}