单目2D与3D人体姿态估计的近期进展：深度学习视角
计算机视觉与模式识别
2021-04-26 v1
摘要
从单目相机估计人体姿态一直是计算机视觉领域具有众多应用的新兴研究课题。近年来，受益于深度学习技术，大量研究工作极大地推进了单目人体姿态估计在2D和3D领域的发展。尽管已有一些工作对不同方法进行总结，研究者仍难以深入洞悉这些方法如何运作。本文提供全面而整体的从2D到3D的视角来解决该问题。我们在统一框架下对自2014年以来的主流与里程碑方法进行归类。通过系统总结这些方法间的差异与联系，我们进一步分析了针对挑战性情形的解决方案，如数据缺乏、2D与3D间固有歧义以及复杂多人场景。我们还总结了姿态表示风格、基准、评估指标以及流行方法的定量性能。最后，我们讨论挑战并对未来研究的有前景方向给出深入思考。相信本综述将为读者提供对单目人体姿态估计的深入而具洞察的理解。
引用
@article{arxiv.2104.11536,
title = {Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep Learning Perspective},
author = {Wu Liu and Qian Bao and Yu Sun and Tao Mei},
journal= {arXiv preprint arXiv:2104.11536},
year = {2021}
}