PoseFormer：首个纯基于Transformer的 3D 人体姿态估计网络，性能达到 SOTA

本文分享一篇 52CV 粉丝的论文『3D Human Pose Estimation with Spatial and Temporal Transformers』。文中提出首个纯粹基于Transformer 的架构，在不涉及卷积的情况下在视频中实现3D人体姿态估计。算法在Human3.6M和MPI-INF-3DHP数据集上均达到SOTA performance，并在 in the wild 视频中有着不错的表现。

详情介绍如下：

• 论文作者：Ce Zheng, Sijie Zhu, Matias Mendieta, Taojiannan Yang, Chen Chen, Zhengming Ding

• 作者单位：北卡夏洛特分校；杜兰大学

• 论文链接：https://arxiv.org/abs/2103.10455

• 项目地址：https://github.com/zczcwh/PoseFormer

                                            

 

      01      

简介

人体姿态估计在近年来受到广泛的关注，并已被运用于人机交互，运动分析，虚拟现实等任务中。3D人体姿态估计的方法主要分为两类&#x