基于单张图像的自监督三维人体姿态估计
计算机视觉与模式识别
2023-04-06 v1
摘要
我们提出一种从单张图像预测三维人体姿态的新自监督方法。该预测网络由一组描绘典型姿态人物的无标签图像数据集和一组未配对的二维姿态训练而成。通过最小化对标注数据的需求，该方法有潜力快速应用于其他关节式结构（如动物）的姿态估计。自监督来源于早前利用三维旋转下预测姿态一致性的思想。我们的方法在直接由图像训练映射方面相较最先进的自监督方法取得实质性进展，且无需肢体关节约束或任何三维经验姿态先验。我们使用提供图像与真实三维姿态的基准数据集（Human3.6M、MPI-INF-3DHP）与最先进自监督方法比较性能。尽管减少了对标注数据的需求，我们表明该方法在 Human3.6M 上优于现有方法，并在 MPI-INF-3DHP 上性能相当。在人体手部数据集上的定性结果显示了快速学习预测人体以外关节式结构三维姿态的潜力。
引用
@article{arxiv.2304.02349,
title = {Self-supervised 3D Human Pose Estimation from a Single Image},
author = {Jose Sosa and David Hogg},
journal= {arXiv preprint arXiv:2304.02349},
year = {2023}
}