姿态先验学习器：用于姿态估计的无监督类别先验学习
计算机视觉与模式识别
2026-03-10 v4
摘要
先验表示关于系统的一组信念或假设，有助于推理和决策。在本文中，我们介绍了姿态估计中无监督类别先验学习的挑战，即AI模型以自监督方式从图像中学习物体类别的通用姿态先验。尽管先验在估计姿态方面很有效，但获取它们可能很困难。我们提出了一种名为“姿态先验学习器”（PPL）的新方法，用于学习任何物体类别的通用姿态先验。PPL使用分层记忆来存储原型姿态的组成部件，并从中提炼出通用姿态先验。该先验通过模板变换和图像重建提高了姿态估计的准确性。PPL无需任何额外的人工标注或干预即可学习有意义的姿态先验，在人类和动物姿态估计数据集上均优于竞争基线。值得注意的是，我们的实验结果揭示了PPL在遮挡图像上使用学习到的原型姿态进行姿态估计的有效性。通过迭代推理，PPL利用姿态先验来细化估计的姿态，将其回归到记忆中存储的任何原型姿态。我们的代码、模型和数据可在https://github.com/ZhangLab-DeepNeuroCogLab/Pose-Prior-Learner公开获取。
引用
@article{arxiv.2410.03858,
title = {Pose Prior Learner: Unsupervised Categorical Prior Learning for Pose Estimation},
author = {Ziyu Wang and Shuangpeng Han and Mengmi Zhang},
journal= {arXiv preprint arXiv:2410.03858},
year = {2026}
}