PandasPose：基于传递 2D 姿态先验至 3D 锚点空间的单图像 3D 人体姿态提升
计算机视觉与模式识别
2026-02-03 v1
摘要
从单张 RGB 图像进行 3D 人体姿态提升是 3D 视觉中的一个具有挑战性的任务。现有方法通常基于 2D 特征建立 2D 到 3D 姿态的直接关节-关节映射。这种表述存在两个根本性局限：从输入预测的 2D 姿态到 3D 预测的不可避免误差传播，以及在处理自遮挡情况时的内在困难。本文提出了 PandasPose，一种通过将 2D 姿态先验传递至 3D 锚点空间的 3D 人体姿态提升方法。具体而言，我们的 3D 锚点空间包括：(1) 在标准坐标系中的关节-wise 3D 锚点，提供准确且稳健的先验以缓解 2D 姿态估计的不准确性；(2) 深度感知的关节-wise 特征提升，通过层次化整合深度信息以解决自遮挡歧义；(3) 锚点-特征交互解码器，将 3D 锚点与提升后的特征融合，以生成封装关节-wise 3D 锚点集、视觉线索和几何深度信息的统一锚点查询。锚点查询进一步用于促进锚点到关节的集成预测。在三个广为人知的基准测试（即 Human3.6M、MPI-INF-3DHP 和 3DPW）上的实验表明，我们方法的优越性。与 SOTA 方法相比，在 Human3.6M 上具备挑战性条件下的错误降低了 ，定性比较进一步展示了该方法的有效性和鲁健性。
引用
@article{arxiv.2602.01095,
title = {PandaPose: 3D Human Pose Lifting from a Single Image via Propagating 2D Pose Prior to 3D Anchor Space},
author = {Jinghong Zheng and Changlong Jiang and Yang Xiao and Jiaqi Li and Haohong Kuang and Hang Xu and Ran Wang and Zhiguo Cao and Min Du and Joey Tianyi Zhou},
journal= {arXiv preprint arXiv:2602.01095},
year = {2026}
}
备注
Accepted at NeurIPS 2025