基于可学习体素聚合的多视角人体姿态与形状估计
计算机视觉与模式识别
2020-11-30 v1
摘要
从RGB图像进行人体姿态与形状估计是备受青睐的基于标记运动捕捉的替代方案,后者费力、需要昂贵设备并将采集限制在实验室环境中。然而,基于单目视觉的算法仍受旋转模糊性影响,尚未准备好转化到对高精度要求极高的医疗应用中。虽然多视角数据融合可克服这些挑战,但当前算法仍需进一步改进以获得临床可接受的精度。在本文中,我们提出一种可学习体素聚合方法,从已标定的多视角图像重建三维人体姿态与形状。我们采用人体的参数化表示,这使我们的方法可直接应用于医学应用。与先前方法相比,鉴于其成本效率,我们的框架展现出更高精度及实时预测的更大潜力。
引用
@article{arxiv.2011.13427,
title = {Multi-view Human Pose and Shape Estimation Using Learnable Volumetric Aggregation},
author = {Soyong Shin and Eni Halilaj},
journal= {arXiv preprint arXiv:2011.13427},
year = {2020}
}
备注
code will be released soon