深度预测在三维人体姿态估计中的作用
计算机视觉与模式识别
2021-03-04 v1
摘要
随着深度卷积神经网络在二维人体姿态估计中的成功应用，下一个合乎逻辑的问题是单目图像的三维人体姿态估计。虽然先前的方案取得了一定成功，但它们并未充分利用来自二维输入的深度信息。为解决这一深度模糊性，我们构建了一个系统，以二维关节位置及其估计深度值作为输入，并预测它们在相机坐标中的三维位置。鉴于从单目图像估计深度图所固有的噪声和不准确性，我们进行了广泛的统计分析，表明在此噪声下，预测深度值与相机坐标第三坐标之间仍存在统计显著的相关性。我们进一步解释，我们在 H3.6M 验证集上取得的最先进结果归功于深度这一额外输入。值得注意的是，我们的结果由接受低维输入并可集成到实时系统中的神经网络产生。此外，我们的系统可与现成的二维姿态检测器和深度图预测器结合，以在野外进行三维姿态估计。
引用
@article{arxiv.2103.02521,
title = {On the role of depth predictions for 3D human pose estimation},
author = {Alec Diaz-Arias and Mitchell Messmore and Dmitriy Shin and Stephen Baek},
journal= {arXiv preprint arXiv:2103.02521},
year = {2021}
}
备注
13 pages, 6 figures, and 8 tables