对遮挡具有鲁棒性的 3D 人体姿态估计
计算机视觉与模式识别
2024-02-20 v1 机器学习
摘要
遮挡仍然是基于单摄像头视频序列的 3D 人体姿态估计的关键挑战之一。时间一致性已被广泛用于减轻其影响，但现有文献中的算法并未对其进行显式建模。在此，我们通过将发生形变的身体表示为时空图来应用这一方法。随后，我们引入了一个精化网络，在该图上执行图卷积以输出 3D 姿态。为确保对遮挡的鲁棒性，我们使用一组二值掩码来训练该网络，像 dropout 技术中那样利用这些掩码禁用部分边。实际上，我们模拟了某些关节在一段时间内可能被隐藏的事实，并训练网络使其对此免疫。与从单摄像头序列推断姿态的最先进技术相比，我们展示了该方法的有效性。
引用
@article{arxiv.2402.11036,
title = {Occlusion Resilient 3D Human Pose Estimation},
author = {Soumava Kumar Roy and Ilia Badanin and Sina Honari and Pascal Fua},
journal= {arXiv preprint arXiv:2402.11036},
year = {2024}
}