重振 3D 人体姿态与形状估计的优化：一种稀疏约束公式
计算机视觉与模式识别
2021-10-05 v2 机器人学
摘要
我们提出了一种新颖的稀疏约束公式，并由此推导出用于 3D 人体姿态与形状估计的实时优化方法。我们的优化方法 SCOPE（用于 3D 人体姿态与形状估计的稀疏约束优化，Sparse Constrained Optimization for 3D human Pose and shapE estimation）比现有优化方法快数个数量级（平均 4 ms 收敛），同时在温和假设下与它们的稠密无约束公式在数学上等价。我们通过利用我们公式的底层稀疏性与约束来高效计算高斯-牛顿方向而实现这一点。我们表明该计算随复杂 3D 人体模型的关节数与测量数线性缩放，而先前工作因其稠密无约束公式呈立方缩放。基于我们的优化方法，我们提出了一种实时动作捕捉框架，可从单张图像以超过 30 FPS 估计 3D 人体姿态与形状。在多个公开数据集上对比 SOTA 方法的基准测试中，我们的框架优于其他优化方法，并取得了与回归方法相竞争的精度。含代码与视频的项目页面：https://sites.google.com/view/scope-human/。
引用
@article{arxiv.2105.13965,
title = {Revitalizing Optimization for 3D Human Pose and Shape Estimation: A Sparse Constrained Formulation},
author = {Taosha Fan and Kalyan Vasudev Alwala and Donglai Xiang and Weipeng Xu and Todd Murphey and Mustafa Mukadam},
journal= {arXiv preprint arXiv:2105.13965},
year = {2021}
}
备注
21 pages, including appendix