基于多视图几何的无监督3D关键点发现

分析与训练3D身体姿态模型严重依赖于关节标签的可用性，这些标签通常通过繁琐的人体关节手动标注或借助精心布置的标记与采集系统基于标记进行关节定位来获取。然而，此类标注并非总可获得，尤其是对于进行不寻常活动的人。本文中，我们提出一种算法，可从多视图图像中仅利用多视图几何所提供的约束，在无任何监督或标签的情况下学习发现人体上的3D关键点。为确保所发现的3D关键点具有意义，将它们重投影至每个视图以估计人体掩码，而该掩码由模型自身最初在无监督下估计得出。在Human3.6M与MPI-INF-3DHP基准数据集上，相较于其他最先进的无监督方法，我们的方法发现了更具可解释性且更准确的3D关键点。