面向无标记 lifting 三维姿态估计：一种深度多视角方案
计算机视觉与模式识别
2018-02-07 v1
摘要
搬运（lifting）是工作场所中常见的手工物料处理任务。它被认为是工作相关肌肉骨骼疾患的主要风险因素之一。为改善工作场所安全，有必要评估与这些任务相关的肌肉骨骼和生物力学风险暴露，这需要非常精确的 3D 姿态。现有方法主要利用基于标记的传感器来采集 3D 信息。然而，这些方法通常搭建昂贵、过程耗时，且对周围环境敏感。在本研究中，我们提出一种基于多视角的深度感知机方法来解决上述局限。我们的方法包含两个模块：一个“视角特定感知机”网络从各视角图像中独立提取丰富信息，包括 2D 形状和分层纹理信息；而一个“多视角整合”网络综合所有可用视角的信息以预测准确的 3D 姿态。为充分评估我们的方法，我们进行了综合实验以比较不同变体设计。结果证明我们的方法取得了与先前基于标记的方法相当的性能，即在 lifting 数据集上平均误差为 mm。结果还与 HumanEva-I 数据集上的 SOTA 方法进行比较，展示了我们方法的优越性能。
引用
@article{arxiv.1802.01741,
title = {Toward Marker-free 3D Pose Estimation in Lifting: A Deep Multi-view Solution},
author = {Rahil Mehrizi and Xi Peng and Zhiqiang Tang and Xu Xu and Dimitris Metaxas and Kang Li},
journal= {arXiv preprint arXiv:1802.01741},
year = {2018}
}
备注
FG2018, accepted as a long paper