基于深度神经网络的三维人体姿态结构化预测
计算机视觉与模式识别
2016-05-18 v1
摘要
大多数最新的单目3D姿态估计方法依赖于深度学习。它们要么训练卷积神经网络直接从图像回归到3D姿态，忽略了人体关节之间的依赖关系；要么通过最大间隔结构化学习框架建模这些依赖，这在推理时涉及高计算成本。本文中，我们引入了一种用于从单目图像结构化预测3D人体姿态的深度学习回归架构，该架构依赖于过完备自编码器来学习高维潜在姿态表示并考虑关节依赖。我们证明了我们的方法在结构保持和预测精度方面均优于SOTA方法。
引用
@article{arxiv.1605.05180,
title = {Structured Prediction of 3D Human Pose with Deep Neural Networks},
author = {Bugra Tekin and Isinsu Katircioglu and Mathieu Salzmann and Vincent Lepetit and Pascal Fua},
journal= {arXiv preprint arXiv:1605.05180},
year = {2016}
}