Semantic Graph Convolutional Networks for 3D Human Pose Regression

CVPR19

从2d坐标估计3d坐标， 这个参照17年ICCV A simple yet effective baseline for 3d human pose
estimation， 它证明了在2d坐标足够精确的情况下， 是可以估计出较为精确的3d坐标的。

本文结合了GCN， 加上Non-local layer。

Method	2D Detections	# of Epochs	# of Parameters	MPJPE (P1)	P-MPJPE (P2)
Martinez et al. [1]	Ground truth	200	4.29M	44.40 mm	35.25 mm
SemGCN	Ground truth	50	0.27M	42.14 mm	33.53 mm
SemGCN (w/ Non-local)	Ground truth	30	0.43M	40.78 mm	31.46 mm
Martinez et al. [1]	SH (fine-tuned)	200	4.29M	63.48 mm	48.15 mm
SemGCN (w/ Non-local)	SH (fine-tuned)	100	0.43M	61.24 mm	47.71 mm

 我觉得效果其实挺一般的， 加了GCN等结构， 也只比ICCV17那片最简单的感知机模型好一点。