单张 RGB 图像的 3D 多人姿态估计之基于相机距离的自顶向下方法

ICCVJul, 2019

单张 RGB 图像的 3D 多人姿态估计之基于相机距离的自顶向下方法

Camera Distance-aware Top-down Approach for 3D Multi-person Pose Estimation from a Single RGB Image

Gyeongsik Moon, Ju Yong Chang, Kyoung Mu Lee

TL;DR本文提出了一种全面的基于学习的、视野距离感知的自顶向下的方法，用于从单个 RGB 图像中估计多人的 3D 姿态，并通过人体检测、3D 人体根位置定位和相对根姿态估计模块，实现了与最先进单人 3D 姿态估计模型可相媲美的结果，同时也比公开数据集上之前的 3D 多人姿态估计方法表现更出色。

Abstract

Although significant improvement has been achieved recently in 3D human pose estimation, most of the previous methods only treat a single-person case. In this work, we firstly propose a fully learning-based, camera distance-aware top-down approach for 3D multi-person pose estimation fr

3d human pose estimation multi-person pose estimation learning-based approach rgb image single-person pose estimation

发现论文，激发创造

基于弱深度监督的多人绝对三维人体姿态估计

本文提出了一种利用 RGB-D 图像进行弱监督训练的网络，用于多人绝对姿态估计，可缓解缺乏大规模、多样化数据集的问题，并在多个数据集中实现了持续的错误率改进与在 MuPoTS-3D 数据集上的全球领先结果

Apr, 2020

多视角非标定深度相机下的多人三维姿态估计

利用稀疏的未校准深度相机提供的 RGBD 视频流，我们提出了一种简单的多视角深度人体姿态估计 (MVD-HPE) 管线，用于联合预测相机姿态和 3D 人体姿态，无需训练深度 3D 人体姿态回归模型。

Jan, 2024

RGBD 图像中的人体姿态三维估计用于机器人任务学习

利用 RGBD 图像估算 3D 人体姿态，通过关键点检测器和深度信息实现 3D 提升，在真实环境下通过学习演示框架指示服务机器人模仿人类教师的操作，超越了单眼调色板和深度姿态估计方法的性能。

Mar, 2018

多人无标记数据 3D 姿势估计

本文研究多人姿态估计问题，提出了一种基于多视图系统和深度学习的方法，通过使用图神经网络模型预测场景中不同人之间的视角对应关系，并使用多层感知器模型将 2D 点转换为每个人的 3D 姿态。该模型采用自监督学习方式进行训练，从而避免了对大规模 3D 数据集的依赖。

Dec, 2022

从单目 RGB 图像估计多人三维姿态的单次拍摄方法

提出了一种新的单次拍摄的方法来从单目 RGB 相机中对一般场景中的多人进行 3D 姿态估计，该方法使用新颖的鲁棒姿势地图（ORPM），该地图能够在其他人和场景中的强烈部分遮挡下实现全身姿态推断，并通过人体部位关联，在不需要显式边界框预测的情况下推断任意数量的人的 3D 姿态，并通过实际图像中显示的大型多人交互和遮挡的第一个大规模训练数据集 MuCo-3DHP 进行培训，并在我们的新挑战性的 3D 注释多人测试集 MuPoTs-3D 上取得了良好的性能。

Dec, 2017

单图像三维人体姿态估计的双源方法

本研究提出一种利用双重数据源，结合深度神经网络和运动捕捉数据，实现从单张图片中估计三维人体姿态的方法，并对该方法进行了全面评估。

May, 2017

从单目图像估计多人三维人体姿态

通过提出的 HG-RCNN 网络，借助 Mask-RCNN 和 Hourglass 结构进行多人 3D 人体姿态估计，实现对每个感兴趣区域（RoI）中 2D 关键点的先预测后提升，最终采用弱透视投影模型和焦距和根偏移的联合优化将估计的 3D 姿态置于相机坐标系下，该网络简单模块化且无需多人 3D 姿态数据集，取得了 MuPoTS-3D 数据集的最优性能，并能近似在相机坐标系下估计 3D 姿态。

Sep, 2019

基于人匹配和无监督 2D-3D 提升的实时全向三维多人姿势估计的改进

本文介绍了一种首个能够在实时环境中处理基本遮挡、能够适应 360 度全景相机和毫米波雷达传感器的多人姿态估计系统，通过使用实时的轻量级 2D-3D 姿态提升算法，在室内外环境中实现了准确的性能表现，提供了一种经济实惠且可扩展的解决方案，并且不论检测到的个体数量如何，系统的时间复杂度保持几乎恒定，能够在商用 GPU 的笔记本上达到大约 7-8 帧每秒的帧率。

Mar, 2024

从单幅图像中综合估计三维人体和场景网格

本文提出了一种端到端可训练模型，以单个 RGB 图像感知 3D 场景，估计相机姿态和室内布局，并重建人体和物体网格。通过对所有估计方面施加全面而复杂的损失，我们证明了我们的模型优于现有的人体网格方法和室内场景重建方法。据我们所知，这是第一个在网格级别输出对象和人体预测，并对场景和人体姿态进行联合优化的模型。

Dec, 2020

野外单目 3D 人体姿势估计基于优化 CNN 监督

提出了一种基于 CNN 的方法，利用现有的 3D 姿势数据和 2D 姿势数据进行迁移学习，在真实场景中实现了最先进的性能，同时引入了一个人类身体姿势估计的新训练集，并提出了一个覆盖室内和室外场景的新基准。

Nov, 2016