BriefGPT - AI 论文速递
·
SelfPose3d：自监督的多人多视角 3D 姿势估计
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究提出了一种无监督学习技术，通过单个图像的2D骨架关节恢复3D人体姿势。该方法不需要多视图图像数据、3D骨架或2D-3D点之间的对应关系。在Human3.6M数据集上，该方法的改进达到了30％，优于许多使用3D数据的弱监督方法。
🎯
关键要点
- 该研究提出了一种无监督学习技术，通过单个图像的2D骨架关节恢复3D人体姿势。
- 该方法不需要多视图图像数据、3D骨架或2D-3D点之间的对应关系。
- 方法采用lifting网络将2D关键点作为输入，生成相应的3D骨架估计。
- 通过在随机相机视点重投影修复后的3D骨架，产生新的合成2D姿态。
- 训练了一个2D域适配器网络以扩展2D数据，并通过自适应正则化机制提高域适应效果。
- 在Human3.6M数据集上，该方法的改进达到了30%，优于许多使用3D数据的弱监督方法。
🏷️
标签
➡️
