PoseGU：基于新颖人体姿态生成器与无偏学习的 3D 人体姿态估计
计算机视觉与模式识别
2022-07-11 v1 机器学习
摘要
3D 姿态估计近期在计算机视觉领域获得大量关注。现有 3D 姿态估计方法严重依赖大规模精标注 3D 姿态数据集，且因训练集中 3D 姿态多样性有限，其在未见姿态上模型泛化能力差。本文中，我们提出 PoseGU，一种新颖的人体姿态生成器，仅需少量种子样本即可生成多样姿态，同时采用反事实风险最小化以追求无偏评估目标。大量实验表明，在三个流行基准数据集上，PoseGU 优于几乎所有受考察的 SOTA 3D 人体姿态方法。实证分析也证明 PoseGU 生成的 3D 姿态具有改进的数据多样性和更好的泛化能力。
引用
@article{arxiv.2207.03618,
title = {PoseGU: 3D Human Pose Estimation with Novel Human Pose Generator and Unbiased Learning},
author = {Shannan Guan and Haiyan Lu and Linchao Zhu and Gengfa Fang},
journal= {arXiv preprint arXiv:2207.03618},
year = {2022}
}