PoseGRAF：面向单目3D人体姿态估计的几何强化自适应融合
计算机视觉与模式识别
2025-06-18 v1 人工智能
摘要
现有的单目3D姿态估计方法主要依赖关节位置特征，忽略了骨骼中固有的方向和角相关性，导致在关节遮挡或快速运动变化时常产生不合理的姿态。为此，我们提出了PoseGRAF框架。首先构建双图卷积结构分别处理关节图和骨图，有效捕获它们的局部依赖。随后引入跨注意力模块来建模骨骼方向与关节特征之间的相互依赖。基于此，设计动态融合模块以利用关节与骨骼之间的关系，自适应地整合两种特征类型。最后在残差方式中加入改进的Transformer编码器以生成最终输出。在Human3.6M和MPI-INF-3DHP数据集上实验结果表明，我们的方法优于当前方法。对野外视频的额外评估进一步验证了其泛化性。代码已公开于https://github.com/iCityLab/PoseGRAF。
关键词
引用
@article{arxiv.2506.14596,
title = {PoseGRAF: Geometric-Reinforced Adaptive Fusion for Monocular 3D Human Pose Estimation},
author = {Ming Xu and Xu Zhang},
journal= {arXiv preprint arXiv:2506.14596},
year = {2025}
}