基于体素热图与合成遮挡增强的 2018 ECCV PoseTrack 三维人体姿态估计挑战赛方案
计算机视觉与模式识别
2019-01-14 v3 机器人学
摘要
本文介绍我们在 2018 ECCV PoseTrack 三维人体姿态估计挑战赛中夺冠的方案。使用全卷积骨干架构,我们获得每个身体关节的体素热图,并通过 soft-argmax 将其转换为坐标。绝对人体中心深度由一个 1D 热图预测头估计。坐标被反投影到 3D 相机空间,在此我们最小化 L1 损失。我们取得良好结果的关键在于使用来自 Pascal VOC 数据集的随机放置遮挡物进行训练数据增强。除在挑战赛中夺得第一外,我们的方法在完整 Human3.6M 基准上也超越了训练中不使用了额外姿态数据集的方法中的最先进水平。应用合成遮挡的代码可在 https://github.com/isarandi/synthetic-occlusion 获取。
引用
@article{arxiv.1809.04987,
title = {Synthetic Occlusion Augmentation with Volumetric Heatmaps for the 2018 ECCV PoseTrack Challenge on 3D Human Pose Estimation},
author = {István Sárándi and Timm Linder and Kai O. Arras and Bastian Leibe},
journal= {arXiv preprint arXiv:1809.04987},
year = {2019}
}
备注
Extended abstract for the 2018 ECCV PoseTrack Workshop, updated with full result tables