基于重力视角坐标的世界基础人类运动恢复
内容提要
本文介绍了一种通过分析运动轨迹和重力引力，从单目图像中测量人体高度的方法，平均绝对误差为3.9厘米。同时，提出了GraviCap和WHAM等新方法，利用重力和运动捕捉数据提高3D人体动作捕捉的准确性，结合人体运动先验知识和场景特征，显著改善了人体和相机运动的估计。
延伸解读
从单目图像测量身高的新思路
文章提出通过分析运动轨迹和重力引力，从单目图像中测量人体高度，平均绝对误差为3.9厘米。这种方法避免了额外假设和数据采集，为单目图像中的人体尺度估计提供了新途径。读者可以关注其如何利用重力约束来提升测量精度。
GraviCap：联合捕捉人体与物体轨迹
GraviCap方法联合进行无标记3D人体动作捕捉和单目RGB视频中的物体轨迹估计。它利用重力约束物体运动，恢复场景尺度、物体轨迹、人体骨长和地平面方向，并通过人-物交互约束提高几何一致性和物理合理性。在多个新数据集上达到了最先进的准确性。
物理引擎与全局轨迹重建的进展
研究利用物理引擎改进姿态估计，处理自身接触和场景接触，在Human3.6M和AIST基准上取得竞争性结果且无需重新训练。此外，从野外视频重建全球人类轨迹的方法通过解耦相机和人类运动，减少背景像素影响，结合数据驱动先验恢复全局轨迹。
WHAM与TRAM：提升3D人体运动恢复
WHAM通过运动捕捉数据将2D关键点提升到3D，并与视频特征融合，准确高效地重建3D人体动作，在多个野外基准测试中优于现有方法。TRAM则通过增强SLAM和场景背景推导运动尺度，利用恢复的相机作为度量参考，引入视频转换模型回归人体运动，将全局运动误差减少60%。
Q&A
如何通过单目图像测量人体高度？
通过分析运动轨迹和重力引力的方法，可以从单目图像中测量人体高度，平均绝对误差为3.9厘米。
GraviCap方法的主要特点是什么？
GraviCap是一种联合无标记3D人体动作捕捉和单目RGB视频对象轨迹估计的方法，利用重力约束物体运动，提升3D重建的几何一致性。
WHAM方法如何提升3D人体动作重建的准确性？
WHAM通过运动捕捉数据将2D关键点序列提升到3D，并结合视频特征，能够准确高效地重建3D人体动作。
TRAM方法的优势是什么？
TRAM方法通过增强SLAM和场景背景推导运动尺度，实现了对3D人体的准确恢复，减少了全局运动误差60%。
WHAC框架的创新之处在哪里？
WHAC框架通过整合世界、人体和摄像头之间的协同作用，促进人体姿势和形状估计，提供了新的合成数据集WHAC-A-Mole。
OfCaM方法如何改善相机运动尺度校准？
OfCaM提供了一种新的相机运动尺度校准方法，降低全局人体运动误差60%，且推理时间成本更低。
