残差姿态：一种基于深度图像的三维人体姿态解耦估计方法
计算机视觉与模式识别
2020-11-11 v1
摘要
我们提议利用卷积神经网络(CNN)在可靠二维姿态估计方面的最新进展，从多人人机交互(HRI)场景的深度图像中估计人的三维姿态。我们的方法基于如下观察：利用深度信息从二维身体关键点检测获得三维提升点，可提供真实三维人体姿态的粗略估计，因此仅需一个细化步骤。基于此，我们的贡献有三点。(i)我们提出通过解耦二维姿态估计与三维姿态细化，从深度图像进行三维姿态估计；(ii)我们提出一种深度学习方法来回归提升的三维姿态与真实三维姿态之间的残差姿态；(iii)我们表明尽管简单，我们的方法在两个公开数据集上的精度与速度均极具竞争力，因而相较于近期最先进方法，对多人HRI颇具吸引力。
引用
@article{arxiv.2011.05010,
title = {Residual Pose: A Decoupled Approach for Depth-based 3D Human Pose Estimation},
author = {Angel Martínez-González and Michael Villamizar and Olivier Canévet and Jean-Marc Odobez},
journal= {arXiv preprint arXiv:2011.05010},
year = {2020}
}
备注
Published in IROS 2020