面向三维人体姿态估计的自适应噪声采样概率恢复
计算机视觉与模式识别
2024-05-06 v1
摘要
三维人体姿态估计（HPE）的准确性和鲁棒性受到二维姿态检测误差和二维到三维不适定挑战的限制，这引起了多假设 HPE 研究的极大关注。现有的大多数多假设 HPE 方法基于生成模型，这些模型计算成本高且难以训练。在本研究中，我们提出了一种概率恢复三维人体姿态估计框架（PRPose），该框架可与任何轻量级单假设模型集成。具体而言，PRPose 采用弱监督方法来拟合单假设 HPE 模型中二维到三维提升过程的隐藏概率分布，然后通过自适应噪声采样策略将该分布反向映射到二维姿态输入，以有效生成合理的多假设样本。在 3D HPE 基准数据集（Human3.6M 和 MPI-INF-3DHP）上的大量实验突显了 PRPose 的有效性和效率。代码可在以下地址获取：https://github.com/xzhouzeng/PRPose。
引用
@article{arxiv.2405.02114,
title = {Probablistic Restoration with Adaptive Noise Sampling for 3D Human Pose Estimation},
author = {Xianzhou Zeng and Hao Qin and Ming Kong and Luyuan Chen and Qiang Zhu},
journal= {arXiv preprint arXiv:2405.02114},
year = {2024}
}
备注
ICME 2024