旋转等变性在单目3D人体姿态估计中的作用
计算机视觉与模式识别
2026-01-21 v1
摘要
从2D估计3D是计算机视觉中的核心任务之一。本文考虑单目设置，即单视图输入，用于3D人体姿态估计（HPE）。该任务是从单张2D输入图像预测3D人类骨骼关节点集。尽管按定义这是一个难以确定的问题，但近期研究已展示了方法能够以厘米级误差解决。通常，这些方法采用两步方法，其中第一步是检测输入图像中的2D骨骼关节点，随后进行2D到3D的提升。我们发现，常用的提升模型在遇到旋转输入时会失败。我们认为，学习单个人体姿态及其平面旋转的难度要远小于直接学习点到点的映射，而且更具几何意义。此外，我们直观地认为，赋予模型旋转等变性而无需显式约束其参数空间，将比以设计等变方式更加简洁。利用常见的HPE基准数据集，我们确认，仅凭2D旋转等变性即可提高模型在类似图像平面内旋转的人体姿态性能，并且可以通过数据增强高效、简洁地实现，甚至超过了最先进的等变设计方法。
关键词
引用
@article{arxiv.2601.13913,
title = {On the Role of Rotation Equivariance in Monocular 3D Human Pose Estimation},
author = {Pavlo Melnyk and Cuong Le and Urs Waldmann and Per-Erik Forssén and Bastian Wandt},
journal= {arXiv preprint arXiv:2601.13913},
year = {2026}
}