基于归一化流的概率式单目 3D 人体姿态估计
计算机视觉与模式识别
2021-08-03 v2
摘要
从单目图像进行 3D 人体姿态估计由于深度模糊和遮挡而是一个高度不适定问题。尽管如此，大多数现有工作忽略这些模糊性而仅估计单一解。相反，我们生成一组多样的假设来表示可行 3D 姿态的完整后验分布。为此，我们提出了一种基于归一化流的方法，利用确定性的 3D 到 2D 映射来解决模糊的逆 2D 到 3D 问题。此外，通过将 2D 检测器的不确定性信息作为条件纳入，有效地对不确定检测和遮挡进行建模。成功的进一步关键在于学习到的 3D 姿态先验和对 best-of-M 损失的推广。我们在两个基准数据集 Human3.6M 和 MPI-INF-3DHP 上评估了我们的方法，在大多数指标上优于所有可比方法。实现可在 GitHub 上获取。
引用
@article{arxiv.2107.13788,
title = {Probabilistic Monocular 3D Human Pose Estimation with Normalizing Flows},
author = {Tom Wehrbein and Marco Rudolph and Bodo Rosenhahn and Bastian Wandt},
journal= {arXiv preprint arXiv:2107.13788},
year = {2021}
}
备注
Accepted to ICCV 2021