摘要

我们提出了一种新的单帧方法，用于从单目RGB相机在一般场景中进行多人3D姿态估计。该方法引入了一种新颖的抗遮挡姿态图（Occlusion-Robust Pose Maps, ORPM），即使在场景中存在他人或物体造成的强烈部分遮挡时，仍能实现完整人体姿态的推断。ORPM输出固定数量的特征图，编码场景中所有人物的3D关节点位置。通过身体部位之间的关联关系，我们能够在不依赖显式边界框预测的前提下，推断任意数量人员的3D姿态。为训练该方法，我们构建了MuCo-3DHP数据集——首个大规模真实图像数据集，展示了复杂多人交互与遮挡场景。我们通过合成多人图像构建了大规模图像语料库，其中每个个体的图像均来源于多视角动作捕捉系统获取的真值数据。我们在新提出的具有挑战性的3D标注多人测试集MuPoTs-3D上对方法进行了评估，结果达到了当前最优性能。为进一步推动多人3D姿态估计领域的研究，我们将公开发布新构建的数据集及相关代码，供学术研究使用。