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