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