ICCV 2019 | 微软开源跨视图融合的3D人体姿态估计算法，大幅改进SOTA精度

点击我爱计算机视觉标星，更快获取CVML新技术

---

今天跟大家分享一篇来自微软亚洲研究院新出并已经开源的3D姿态估计的文章：Cross View Fusion for 3D Human Pose Estimation，大幅降低了3D姿态估计的误差。

在H36M数据集上，MPJPE（关节点误差均值）从之前最好结果的52mm直降到26mm，可谓大幅改进，相信该算法必将成为该领域重要参考。

该文作者信息：

该文作者来自中国科技大学、微软亚洲研究院（MSRA）、图森科技，主要为第一作者Haibo Qiu在MSRA实习期间的工作。

主要改进点

作者在该文中研究的是计算3D人体关节点的绝对值，即在场景中关节点的3D世界坐标（x,y,z），以mm（毫米）为单位的三个坐标尺度。

通常的做法是对于不同的视图（即不同角度摄像头拍摄的图像），分别进行2D姿态估计，然后从多个摄像头的2D人体姿态计算3D人体姿态（如使用Pictorial Structure Model方法）。

作者并没有打破这一整体思路，只是认为不仅在计算3D姿态时，不同视图可以相互参考，在各自独立计算2D姿态时，也可以进行跨视图的特征融合（Cross View Fusion ）。

如下图：