摘要

我们提出了一种从稀疏的广基线摄像机视图中同时估计三维人体姿态和体型的方法。该方法通过训练一个具有双重损失的对称卷积自编码器来实现，其中一种损失强制学习编码骨骼关节位置的潜在表示，另一种损失则同时学习体积体型的深度表示。我们利用后者将输入的体积数据放大4倍，同时恢复出与现有最先进方法相同或更高精度的三维关节位置估计。推理过程以实时速度（25帧/秒）运行，并且在需要高保真度估计人体体型和姿态的情况下，具有被动人体行为监测的潜力。