PI-Net:用于多人单目 3D 姿态估计的姿态交互网络
计算机视觉与模式识别
2020-10-13 v1
摘要
近期文献已非常满意地解决了单目 3D 姿态估计任务。在这些研究中,不同人物通常被视为独立的姿态实例进行估计。然而,在许多日常场景中,人们正在交互,且个体的姿态取决于其交互对象的姿态。本文中,我们探究如何利用这种依赖性来增强当前——以及可能的未来——用于 3D 单目姿态估计的深度网络。我们的姿态交互网络,即 PI-Net,将可变数量交互对象的初始姿态估计输入到一个循环架构中,用于精炼目标人物的姿态。由于公开标注的多人 3D 人体姿态数据集有限,评估此类方法具有挑战性。我们在 MuPoTS 数据集上证明了方法的有效性,并为其设定了新的 SOTA。在其他多人数据集(无 3D 姿态真值可用)上的定性结果展示了所提出的 PI-Net。PI-Net 基于 PyTorch 实现,代码将在论文被接收后公开。
关键词
引用
@article{arxiv.2010.05302,
title = {PI-Net: Pose Interacting Network for Multi-Person Monocular 3D Pose Estimation},
author = {Wen Guo and Enric Corona and Francesc Moreno-Noguer and Xavier Alameda-Pineda},
journal= {arXiv preprint arXiv:2010.05302},
year = {2020}
}
备注
Accepted at WACV 2021