基于伪标签引导的全局变换的无监督跨域 3D 人体姿态估计
计算机视觉与模式识别
2025-09-25 v2
摘要
现有的 3D 人体姿态估计方法在应用到跨情境推断时，因相机视角、位置、姿势和身体大小等特征之间的域移移�性能。其中，相机视角和位置被证明对域差异贡献最大，通过影响人体姿态的全局位置。为此，我们提出一种新框架，显式地在源域和目标域的人体姿态位置之间的相机坐标系中进行全局变换。我们以 2D 姿态为目标数据集生成伪 3D 姿态的伪标签生成模块。随后，全局变换模块将人体中心坐标系作为一种新型桥梁机制，以无缝对齐跨不同域的人体姿态位置方向，确保一致的空间参照。为进一步增强泛化性，采用姿态增强器来处理人体姿势和身体大小的变化。该过程是迭代的，允许细化的伪标签逐步改进对域适应的指导。我们在各种跨数据集基准上进行了评估，包括 Human3.6M、MPI-INF-3DHP 和 3DPW。实验表明，我们的方法优于最先进的方法，甚至优于目标训练的模型。
引用
@article{arxiv.2504.12699,
title = {Unsupervised Cross-Domain 3D Human Pose Estimation via Pseudo-Label-Guided Global Transforms},
author = {Jingjing Liu and Zhiyong Wang and Xinyu Fan and Amirhossein Dadashzadeh and Honghai Liu and Majid Mirmehdi},
journal= {arXiv preprint arXiv:2504.12699},
year = {2025}
}
备注
accepted to IEEE Transactions on Circuits and Systems for Video Technology