4 个月前

基于相机距离的自上而下方法用于从单个RGB图像中进行3D多人姿态估计

基于相机距离的自上而下方法用于从单个RGB图像中进行3D多人姿态估计

摘要

尽管在3D人体姿态估计方面最近取得了显著进展,但大多数先前的方法仅处理单人情况。在这项工作中,我们首次提出了一种完全基于学习的、考虑相机距离的自上而下的方法,用于从单个RGB图像中进行3D多人姿态估计。所提出的系统流程包括人体检测、绝对3D人体根节点定位以及根节点相对的3D单人姿态估计模块。我们的系统在没有任何真实数据的情况下,达到了与最先进的3D单人姿态估计模型相当的结果,并且在公开数据集上的表现显著优于之前的3D多人姿态估计方法。代码可在以下链接获取:https://github.com/mks0601/3DMPPE_ROOTNET_RELEASE 和 https://github.com/mks0601/3DMPPE_POSENET_RELEASE。

代码仓库

mks0601/3DMPPE_ROOTNET_RELEASE
官方
pytorch
GitHub 中提及
mks0601/3DMPPE_POSENET_RELEASE
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
3d-absolute-human-pose-estimation-on-human36mRootNet
MRPE: 120.0
3d-human-pose-estimation-on-3d-poses-in-theRootNet
MPJAE: 21.25
MPJPE: 84.28
3d-human-pose-estimation-on-human36mPoseNet
Average MPJPE (mm): 54.4
3d-human-pose-estimation-on-human36mPoseNet (GTi)
Average MPJPE (mm): 53.3
3d-multi-person-pose-estimation-absolute-on3DMPPE_POSENET
3DPCK: 31.5
3d-multi-person-pose-estimation-root-relative3DMPPE_POSENET
3DPCK: 81.8
monocular-3d-human-pose-estimation-on-human3Moon et. al.
Frames Needed: 1
Need Ground Truth 2D Pose: No
Use Video Sequence: No

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供