论文阅读Self-Supervised 3D Human Pose Estimation viaPart Guided Novel Image Synthesis

部分引导下的新图像合成

监督的三维姿势估计，需要免除变化为代价，例如形状和表现，而这些变化对于其他相关任务可能有用。学习到的模型task-bias而且dataset-bias。

本文从未标记的视频帧中分离这些变化

先验知识：人体骨骼姿势，基于单一部件的2D的木偶模型，人体姿势衔接约束，一组未配对的三维姿势

本文可区分的形式化，弥补了三维姿势和空间部件图之间的表示差别，可解释的姿势分离，允许在不同摄像机运动的视频上操作，未见过的野外数据及上定性结果

多任务中具有卓越通用性，超越普通任务例如三维姿势估计和部件分割

编码器网络

input：image

output：3个分离的表示，规范坐标系中视图不变的三维人体姿势；相机参数；代表前景FG人类外观的潜在代码；

解码器将上述编码表征投射到2D上，合成FG人体图像，产生二维部分分割

挑战：解除3D姿势，相机，外观的表示

方法：对同一个人但是不同姿势的视频帧的训练来实现分离

效果：从大规模的野外视频中学习，即使有摄像机运动。