SMPLy：在自然场景中基准测试三维人体姿态估计
计算机视觉与模式识别
2020-12-07 v1
摘要
从图像预测三维人体姿态近来取得巨大进展。已出现可甚至从单张输入图像预测姿态与形状的新方法，通常依赖于如SMPL这样的人体参数化模型。尽管此类方法的定性结果常展示为野外采集的图像，但在此类条件下的恰当基准仍缺失，因为在动作捕捉室之外获取真实三维姿态颇为繁琐。本文提出一种轻松生成并验证具精确真实值的此类数据集的流程，并借此在自然场景中基准测试近期三维人体姿态估计方法。我们利用近期引入的Mannequin Challenge数据集，其包含人物如雕像般定格的自然场景视频，并借助人物静止而相机运动的特性精确将SMPL模型拟合到序列上。随后从567个场景中以几乎零成本仅使用在线RGB视频筛选出24,428帧带配准身体模型的帧。我们在此数据集上基准测试最先进的基于SMPL的人体姿态估计方法。我们的结果凸显仍存在挑战，尤其对于困难姿态或人物部分截断、遮挡的场景。
引用
@article{arxiv.2012.02743,
title = {SMPLy Benchmarking 3D Human Pose Estimation in the Wild},
author = {Vincent Leroy and Philippe Weinzaepfel and Romain Brégier and Hadrien Combaluzier and Grégory Rogez},
journal= {arXiv preprint arXiv:2012.02743},
year = {2020}
}
备注
3DV 2020 Oral presentation