HEMlets 姿态：学习基于部件中心的热图三元组，以实现准确的三维人体姿态估计

ICCVOct, 2019

HEMlets 姿态：学习基于部件中心的热图三元组，以实现准确的三维人体姿态估计

HEMlets Pose: Learning Part-Centric Heatmap Triplets for Accurate 3D Human Pose Estimation

Kun Zhou, Xiaoguang Han, Nianjuan Jiang, Kui Jia, Jiangbo Lu

TL;DR本研究提出了一种使用 Part-Centric Heatmap Triplets 作为中间状态的方法，通过 Convolutional Network 将其从输入的图像预测出来，并在 volumetric joint-heatmap regression 之后从体积热图中提取出关节位置，从而缩小了 2D 与 3D 之间的差距，实现 3D 人体姿态估计，并在对比实验中比当前最先进的方法有明显的性能提升（Human3.6M 上提升了 20%）。

Abstract

Estimating 3d human pose from a single image is a challenging task. This work attempts to address the uncertainty of lifting the detected 2D joints to the 3D space by introducing an intermediate state - part-centric hea

3d human pose part-centric heatmap triplets convolutional network volumetric joint-heatmap regression end-to-end learning

发现论文，激发创造

用于三维人体姿势估计的度量尺度截断鲁棒热图

本研究中，我们提出了一种度量尺度的截断鲁棒体素热力图，该热力图的维度定义在靠近主体的度量 3D 空间中，使我们能够在没有测试时间知识的情况下估计完整的度量尺度姿势，同时优于现有人体姿势估计标准，具有实时性。

Mar, 2020

多人三维姿态估计的压缩体积热力图

本文提出了一种基于多层热力图压缩的深度学习模型，可在 8 fps 的运行时处理全高清 RGB 图像，用于多人和单人 3D 人体姿态估计。

Apr, 2020

三维人体姿态估计的整体平面预测到局部体积预测

该论文提出了一种使用深度图进行 3D 人体姿态估计的新方法，并运用平面网络和体积网络等模型，显著提高了模型的准确性和计算效率。

Jun, 2017

使用 2D 边缘热图进行 3D 人体姿态估计

本文介绍了一种改进的三维人体姿势预测模型 MargiPose，它使用深度神经网络和增强软最大值方案，可以在保持可微性的同时，从单眼 RGB 图像中预测二维边缘热图，并在公开的三维人体姿势估计数据上实现了最新的准确性。

Jun, 2018

基于卷积部位热图回归的人体姿态估计

本研究利用卷积神经网络进行人体姿态估计，通过利用关系和空间上下文，提出了一种特殊的 CNN 级联架构，并能够在部分遮挡的情况下，鲁棒地推断姿势，该级联架构能够指导网络集中精力在图像的哪个位置，并明确编码部分限制和上下文约束，并能够应对遮挡。我们的级联结构表现出色，能够在 MPII 和 LSP 数据集上取得最佳的表现。

Sep, 2016

3D 人体姿态估计的简单而有效的基准线

通过构建一个借助于当前技术能在控制误差较低前提下从 2D 开环位置中提取 3D 位置任务的相对简单的深度前向网络，我们发现了现代深度 3D 姿态估计系统的可视分析引起的错误是其主要问题。

May, 2017

使用带有 2D 姿态信息的卷积神经网络进行 3D 人体姿势估计

本文提出了一种使用卷积神经网络进行端到端学习的 3D 人体姿势估计方法，通过 CNN 学习找出相对于其他关节的相对 3D 位置，并通过将 2D 姿势信息与图像特征连接以及通过关于多个关节的相对位置信息的组合来获得更准确的 3D 姿势。实验结果表明，该方法在 Human 3.6m 数据集上实现了与最先进方法可比较的性能。

Aug, 2016

从单张图像中估计卷积式三维姿态

本文提出了一种用于从单个 RGB 图像中估计人类姿势的统一方法，通过联合推理 2D 关节估计和 3D 姿势重建来改善两个任务，并使用可信的 3D 地标位置知识来对更好的 2D 位置进行搜索，并通过多级卷积神经网络架构综合了 3D 人体姿势的概率知识，并在 Human3.6M 数据集上进行了端到端的训练，最终获得了在 2D 和 3D 误差上优于之前方法的最新结果。

Jan, 2017

MeTRAbs: 度量尺度截断鲁棒热力图用于绝对三维人体姿态估计

该研究提出了一种新型的体积热图来实现更准确的人体姿势估计，并结合 2D 图像空间下的热图来实现绝对 3D 姿势的估计。该方法利用 ResNet-50 模型，在几项基准测试中取得了最新的最高成绩。

Jul, 2020

单视图粗细层次三维人体姿态预测

本研究通过对 3D 人体姿态估计表征问题的认真研究，提出了一种方法，并且对现有的最优解的表现进行了超越，在标准测试基准中相对误差降低超过 30％，该方法包括 Convolutional Network、端到端的学习模型、从粗到细的预测方案和三维体表示。

Nov, 2016