从 2D 关节位置无监督对抗学习 3D 人体姿态
计算机视觉与模式识别
2018-03-23 v1
摘要
从单张图像进行三维 (3D) 人体姿态估计的任务可以分为两部分：(1) 从图像中检测二维 (2D) 人体关节，以及 (2) 从 2D 关节估计 3D 姿态。在此，我们关注第二部分，即从 2D 关节位置进行 3D 姿态估计。现有方法的问题在于它们需要 (1) 一个 3D 姿态数据集，或者 (2) 取自视频序列的连续帧中的 2D 关节位置。我们旨在解决这些问题。我们首次提出了一种无需任何 3D 数据集即可学习 3D 人体姿态的方法。我们的方法能够从单张图像中的 2D 关节位置预测 3D 姿态。我们的系统基于生成对抗网络，并且网络以无监督的方式进行训练。我们的主要思想是，如果网络能够正确预测 3D 人体姿态，那么投影到 2D 平面上的 3D 姿态即使垂直旋转也不应坍塌。我们使用 Human3.6M 和 MPII 数据集评估了该方法的性能，并表明即使在训练期间无法获得 3D 数据集，我们的网络也能很好地预测 3D 姿态。
引用
@article{arxiv.1803.08244,
title = {Unsupervised Adversarial Learning of 3D Human Pose from 2D Joint Locations},
author = {Yasunori Kudo and Keisuke Ogaki and Yusuke Matsui and Yuri Odagiri},
journal= {arXiv preprint arXiv:1803.08244},
year = {2018}
}