人体|用于单目3D人体姿态估计的局部连接网络,克服图卷积网络限制( 二 )


人体|用于单目3D人体姿态估计的局部连接网络,克服图卷积网络限制文章插图
图3. 我们的模型应用在不同场景中的可视化结果 , 最后一列为失败案例4
结语
本文从图卷积网络 GCN 出发 , 提出局部连接网络 LCN , 来从单目图像中估计 3D 人体姿态 , 并有效地克服了 GCN 的局限性 。 特别地 , LCN 具有很强的表征与泛化能力 , 通过端到端联合训练在基准数据集上达到了最好水平 。 更重要的是 , LCN 可以很好地推广到丰富新颖的动作与场景中 。
参考文献
[1] J. Martinez, R. Hossain, J. Romero, and J. J. Little, "A simple yet effective baseline for 3d human pose estimation," in ICCV 2017.
[2] L. Zhao, X. Peng, Y. Tian, M. Kapadia, and D. N. Metaxas, "Semantic graph convolutional networks for 3d human pose regression," in CVPR 2019.
[3]X. Sun, B. Xiao, F. Wei, S. Liang, and Y. Wei, "Integral human pose regression," in ECCV 2018.
NeurIPS 2020论文接收列表已出 , 欢迎大家投稿让更多的人了解你们的工作~