PoseBench3D：基于姿态提升网络的3D人体姿态估计跨数据集分析框架
计算机视觉与模式识别
2025-09-23 v2
摘要
可靠的三维人体姿态估计(3D HPE)因数据集之间视角、环境和相机惯例的差异仍具有挑战性。结果是，虽然某些方法在数据集内实现接近最佳准确率，但在未见数据集上表现会下降。实际情况下，系统必须适应多样化的视角、环境和相机设置——这些条件与训练期间遇到的条件显著不同，这在现实场景中十分常见。测量跨数据集性能是必要过程，但针对人体姿态估计手动完成极其费时。为此，我们使用PoseBench3D自动化此类评估，该框架是一个标准化的测试框架，可在先前未见数据上实现一致且公平的跨数据集比较。PoseBench3D通过一个单一、可配置的接口简化了四个广泛使用的3D HPE数据集的测试。使用该框架，我们重新评估了18种方法，并在协议1：MPJPE和协议2：PA-MPJPE下报告了超过100项跨数据集结果，揭示了系统性泛化差距以及常见预处理和数据集设置选择的影响。PoseBench3D代码可在：https://github.com/bryanjvela/PoseBench3D找到。
引用
@article{arxiv.2505.10888,
title = {PoseBench3D: A Cross-Dataset Analysis Framework for 3D Human Pose Estimation via Pose Lifting Networks},
author = {Saad Manzur and Bryan Vela and Brandon Vela and Aditya Agrawal and Lan-Anh Dang-Vu and David Li and Wayne Hayes},
journal= {arXiv preprint arXiv:2505.10888},
year = {2025}
}
备注
Code: https://github.com/bryanjvela/PoseBench3D