CVPR 2019 论文大盘点—人体姿态篇

CV君盘点了CVPR 2019 中有关人体姿态的论文，其中研究 3D人体姿态估计的论文最多，有 11 篇，研究 2D 姿态估计的 7 篇，姿态迁移 2 篇，人体图像生成 1 篇，人体捕捉 2 篇，另外还有2篇创建了新的基准数据集。

姿态估计是很实用的CV技术，所以引起了很多工业界巨头的关注，微软、谷歌、Facebook、商汤、字节跳动都有论文。

52CV曾经解读过其中几篇论文，好的工作都是自带光环的，一出来就能被发现^_^

尤其值得一提的是，这些论文中大部分都有开源代码（少部分为非官方开源），相信CV领域技术加速进步和这种开源力量是绝对分不开的，感谢各位贡献者！

写这篇文章也耗费了CV君不少时间，欢迎文末点个“在看”。

3D 姿态估计

3D人体姿态的自监督学习，使用多视几何的方法

土耳其中东技术大学

Self-Supervised Learning of 3D Human Pose Using Multi-View Geometry

Muhammed Kocabas, Salih Karagoz, Emre Akbas

https://github.com/mkocabas/EpipolarPose

利用视频中时域上下文信息改进3D人体姿态估计，使用 bundle adjustment的方法

牛津大学、DeepMind

Exploiting Temporal Context for 3D Human Pose Estimation in the Wild

Anurag Arnab, Carl Doersch, Andrew Zisserman

https://github.com/deepmind/Temporal-3D-Pose-Kinetics

语义图卷积网络用于回归问题，改进了3D人体姿态估计

罗格斯大学、宾厄姆顿大学

Semantic Graph Convolutional Networks for 3D Human Pose Regression

Long Zhao, Xi Peng, Yu Tian, Mubbasir Kapadia, Dimitris N. Metaxas

https://github.com/garyzhao/SemGCN

用于人体姿态估计和单视图3D重建的逆图熵网络，从2D场景推断3D信息

昆士兰科技大学、昆士兰大学

IGE-Net: Inverse Graphics Energy Networks for Human Pose Estimation and Single-View Reconstruction

Dominic Jack, Frederic