基于多视图一致性的单图像弱监督三维姿态估计
计算机视觉与模式识别
2019-09-16 v1
摘要
我们提出了一种用于弱监督学习三维人体姿态估计的新型数据驱动正则化器，消除了影响现有方法的漂移问题。为此，我们将立体重建问题移入网络自身的损失中。这避免了在训练前重建三维数据的需要，并且与之前的半监督方法不同，避免了监督训练预热阶段的需要。我们方法在概念和实现上的简洁性是其吸引力的根本所在。不仅用我们额外的基于重投影的损失来增强许多弱监督方法十分直接，而且它如何塑造重建并防止漂移也是显而易见的。因此，我们相信它将成为任何从事弱监督三维重建研究人员的宝贵工具。在 Panoptic（现有最大的多相机无标记数据集）上评估，我们获得的精度与充分利用训练中三维真值（groundtruth）的强监督方法基本无法区分。
引用
@article{arxiv.1909.06119,
title = {Weakly-Supervised 3D Pose Estimation from a Single Image using Multi-View Consistency},
author = {Guillaume Rochette and Chris Russell and Richard Bowden},
journal= {arXiv preprint arXiv:1909.06119},
year = {2019}
}
备注
BMVC