RGBD-Dog：基于RGBD传感器的犬类姿态预测
计算机视觉与模式识别
2020-04-17 v1
摘要
从无标记图像中自动提取动物三维姿态在一系列科学领域中备受关注。迄今为止，大多数工作基于关节位置的二维标注从RGB图像预测动物姿态。然而，由于获取训练数据的困难，尚无可用于定量评估这些方法的地面真实三维动物运动数据集。此外，三维动物姿态数据的缺乏也使得难以像热门的人体姿态预测领域那样训练三维姿态预测方法。在我们的工作中，我们聚焦于从RGBD图像估计三维犬类姿态的问题，使用多台Microsoft Kinect v2记录多种犬种，同时通过动作捕捉系统同步获取三维地面真实骨架。我们从该数据生成合成RGBD图像数据集。训练一个堆叠沙漏网络预测三维关节位置，随后利用形状和姿态的先验模型对其进行约束。我们在合成与真实RGBD图像上评估我们的模型，并将结果与先前发表的拟合犬类模型至图像的工作进行比较。最后，尽管我们的训练集仅包含狗的数据，视觉检查表明我们的网络能对其它 quadrupeds（如马或猫）的图像在姿态与训练集相似时给出良好预测。
引用
@article{arxiv.2004.07788,
title = {RGBD-Dog: Predicting Canine Pose from RGBD Sensors},
author = {Sinead Kearney and Wenbin Li and Martin Parsons and Kwang In Kim and Darren Cosker},
journal= {arXiv preprint arXiv:2004.07788},
year = {2020}
}
备注
18 pages, 16 figures, to be published in CVPR 2020