面向随时间精确的无标记人体形状与姿态估计
计算机视觉与模式识别
2018-05-01 v5
摘要
现有的无标记动作捕捉方法通常假设背景已知、相机静止且具有序列特定的运动先验，这限制了其应用场景。本文提出一种全自动方法，给定多视角视频，即可估计 3D 人体运动与身体形状。本文以近期的 SMPLify \cite{bogo2016keep} 为基础方法，并在多个方面对其进行扩展。首先，将身体拟合至多视角图像中检测到的 2D 特征。其次，使用 CNN 方法对每张图像中的人体进行分割，并将 3D 人体模型拟合至轮廓，以进一步提升精度。第三，利用通用且鲁棒的 DCT 时间先验，处理 2D 姿态估计器有时引入的左右侧互换问题。在标准基准上的验证表明，本文结果与现有最优方法相当，并能提供逼真的 3D 形状虚拟形象。本文还在 HumanEva 以及 YouTube 挑战性舞蹈序列的单目情形下展示了精确的结果。
引用
@article{arxiv.1707.07548,
title = {Towards Accurate Markerless Human Shape and Pose Estimation over Time},
author = {Yinghao Huang and Federica Bogo and Christoph Lassner and Angjoo Kanazawa and Peter V. Gehler and Ijaz Akhter and Michael J. Black},
journal= {arXiv preprint arXiv:1707.07548},
year = {2018}
}
备注
10 pages, 6 figures, 5 tables, published in 3DV-2017