摘要

本文提出了一种姿态语法（pose grammar）方法，用于解决三维人体姿态估计问题。我们的模型直接以二维姿态作为输入，学习一种通用的二维至三维映射函数。所提出的模型由一个基础网络和其上层的一系列双向循环神经网络（Bi-directional RNN, BRNN）构成：基础网络高效地捕捉与姿态对齐的特征，而上层的BRNN则显式地引入了关于人体结构配置的一系列先验知识（如运动学约束、对称性、运动协调性），从而在建模过程中施加高层次的姿态约束。在训练过程中，我们设计了一种姿态样本模拟器，用于在虚拟摄像机视角下生成额外的训练样本，进一步提升了模型的泛化能力。我们在公开的三维人体姿态基准数据集上验证了所提方法的有效性，并提出了一种新的跨视角评估协议，用以检验不同方法在跨视角场景下的泛化性能。实验结果表明，在此类设置下，大多数现有最先进方法均面临显著挑战，而我们的方法能够有效应对这些难题。