PressTrack-HMR：基于压力的顶部多人全局人类网格恢复
计算机视觉与模式识别
2025-11-14 v2 人工智能
摘要
多人全局人类网格恢复（HMR）是理解人群动态和相互作用的关键任务。传统的基于视觉的HMR方法在现实场景中面临相互遮挡、光线不足和隐私 concerns 等局限。人与地面触觉互动提供了一种遮挡无且具有隐私保护性的替代方案，用于捕捉人类运动。现有研究表明，来自触觉垫的压力信号可有效估计单人场景中的人体姿态。然而，当多个个体同时在垫上随机行走时，如何区分由不同个体产生的交织压力信号并随后获取每个个体的时序压力数据，仍是将基于压力的HMR扩展到多人情境的待解决挑战。本文提出了 PressTrack-HMR，一套仅从压力信号恢复多人全局人类网格的顶部管线。该管线利用跟踪检测策略首先识别和分割每个个体的压力信号，然后对提取的每个个体信号执行HMR。此外，我们构建了一个多人相互作用压力数据集 MIP，旨在促进基于压力的人类运动分析在多人情境中的进一步研究。实验结果表明，我们的方法在仅使用压力数据的情况下在多人HMR中表现出色，MPJPE 为 89.2 mm，WA-MPJPE_100 为 112.6 mm，这些结果展示了触觉垫用于 ubiquitous、隐私保护性多人动作识别的潜力。我们的数据集与代码已在 https://github.com/Jiayue-Yuan/PressTrack-HMR 上提供。
引用
@article{arxiv.2511.09147,
title = {PressTrack-HMR: Pressure-Based Top-Down Multi-Person Global Human Mesh Recovery},
author = {Jiayue Yuan and Fangting Xie and Guangwen Ouyang and Changhai Ma and Ziyu Wu and Heyu Ding and Quan Wan and Yi Ke and Yuchen Wu and Xiaohui Cai},
journal= {arXiv preprint arXiv:2511.09147},
year = {2025}
}
备注
Accepted by AAAI-2026