NeuralAnnot:面向三维人体网格训练集的神经标注器

大多数三维人体网格回归器以三维伪真值人体模型参数进行全监督,并以真值二维/三维关节坐标进行弱监督,因为三维伪真值带来了巨大的性能提升。三维伪真值由标注器获得,标注器在回归器预处理阶段将三维人体模型参数迭代拟合到训练集的真值二维/三维关节坐标。最后一次拟合迭代得到的拟合三维参数成为三维伪真值,用于全监督回归器。基于优化的标注器(如SMPLify-X)已被广泛用于获取三维伪真值。然而,由于它们将三维参数独立拟合到每个样本的真值,常产生错误的三维伪真值。为克服该局限,我们提出NeuralAnnot,一种基于神经网络的标注器。NeuralAnnot的核心思想是采用基于神经网络的回归器并将其专用于标注。假设没有可用的三维伪真值,NeuralAnnot以训练集的真值二维/三维关节坐标进行弱监督。在相同训练集上的测试结果成为三维伪真值,用于全监督回归器。我们表明NeuralAnnot的三维伪真值对训练回归器极为有益。我们已公开我们的三维伪真值。