一、摘要:同时利用人体树形结构和链式结构创建超图,进而使用超图卷积进行三维人体姿态估计。
二、简介:基于图像的三维人体姿态估计需要大量标注信息和计算资源,基于2D pose的直接回归方法缺乏图像线索;近年基于图卷积GCN的方法仅考虑相邻关节点的信息,但人体的链式结构使得非相邻关节点也有重要信息。因此,用超图重新表示人体。
贡献点:
(1)将人体表示为超图,包括固定关节点关系的静态超图和根据输入2D pos调整的半动态超图。
(2)提出依据关节点之间距离大小,进行人体超图的构建方式。
(3)实验结果在Human3.6M和MPI-INF-3DHP上有提升效果。
三、方法
1.超图卷积,论文中有公式,不再赘述。
2.人体动态超图的构建方式:
(1)计算16*16的关节点距离矩阵和权重矩阵,距离越远权重越大,构成矩阵R
(2)排序(此处不是很理解是对什么排序),取R中前Emax个关节点构成超边
(3)对每条超边,取R中每一行,前Mmax个值对应的点作为该超边的点。
四、实验结果
(1)Human3.6M
martinez | 62.9 | GT | 45.5 |
zhao | 60.8 | GT | 43.8 |
ous | 56.2 | GT | 42.7 |
(2)MPI-INF-3DHP
个人总结:
(1)首先尝试是用超图来进行三维人体姿态估计,值得肯定;但是,人体本身就是一个树形结构罢了,真的有必要吗?
(2)半动态的超图构建方式是否合理?为什么距离越远权重越大?手腕的位置和脚踝有啥关系?
(3)实验结果真的很一般