PARE：用于三维人体姿态与形状估计的部件注意力回归器
计算机视觉与模式识别
2021-10-13 v2
摘要
尽管取得了显著进展，我们表明最先进的三维人体姿态与形状估计方法对部分遮挡仍然敏感，并且尽管身体大部分可见，仍可能产生严重错误的预测。为此，我们引入一种称为部件注意力回归器（PARE）的软注意力机制，其学习预测身体部位引导的注意力掩码。我们观察到最先进的方法依赖全局特征表示，使其对即便微小遮挡也敏感。相比之下，PARE的部件引导注意力机制通过利用各身体部位可见性信息，同时借助相邻身体部位信息预测被遮挡部分，克服了这些问题。我们从定性上展示PARE学到了合理的注意力掩码，定量评估证实PARE在遮挡专用及标准基准上均比现有方法实现了更准确且鲁棒的重建结果。代码与数据可于 {\small \url{https://pare.is.tue.mpg.de/}} 获取以供研究使用。
引用
@article{arxiv.2104.08527,
title = {PARE: Part Attention Regressor for 3D Human Body Estimation},
author = {Muhammed Kocabas and Chun-Hao P. Huang and Otmar Hilliges and Michael J. Black},
journal= {arXiv preprint arXiv:2104.08527},
year = {2021}
}