Point2Pose: 基于多视角点云数据集的3D人体姿态估计生成式框架
计算机视觉与模式识别
2025-12-12 v1
摘要
我们提出了一种用于3D人体姿态估计的新型生成式方法。由于人体几何结构复杂、关节自遮挡以及需要大规模真实运动数据集，3D人体姿态估计面临若干关键挑战。为应对这些挑战，我们引入了Point2Pose，一个能够有效建模以序列点云和姿态历史为条件的人体姿态分布的框架。具体而言，我们采用时空点云编码器和姿态特征编码器来提取逐关节特征，随后接一个基于注意力的生成式回归器。此外，我们提出了一个大规模室内数据集MVPose3D，包含多种模态，包括非平凡人体运动的IMU数据、密集多视角点云和RGB图像。实验结果表明，所提出的方法优于基线模型，在各种数据集上展现出优越性能。
引用
@article{arxiv.2512.10321,
title = {Point2Pose: A Generative Framework for 3D Human Pose Estimation with Multi-View Point Cloud Dataset},
author = {Hyunsoo Lee and Daeum Jeon and Hyeokjae Oh},
journal= {arXiv preprint arXiv:2512.10321},
year = {2025}
}
备注
WACV 2026 camera ready