摘要

在本研究中，我们探讨了具有挑战性的多人三维人体网格估计任务。现有的方法大多采用两阶段流程——一个阶段用于人员定位，另一个阶段用于个体的人体网格估计，这导致了计算成本高且在复杂场景（例如被遮挡的人员实例）下性能下降的问题。为此，我们提出了一种单阶段模型，即“基于点的人体网格”（Body Meshes as Points, BMP），以简化流程并提高效率和性能。具体而言，BMP采用了一种新的方法，将多个人员实例表示为空间深度空间中的点，每个点对应一个身体网格。借助这种表示方法，BMP可以在单个阶段内直接预测多个人员的身体网格，同时进行人员实例点的定位和相应身体网格的估计。为了更好地推断同一场景中所有人员的深度顺序，BMP设计了一个简单而有效的实例间序深度损失函数，从而获得深度一致的人体网格估计。此外，BMP还引入了一种新颖的关键点感知增强技术，以增强模型对被遮挡人员实例的鲁棒性。在Panoptic、MuPoTS-3D和3DPW基准数据集上的全面实验清楚地展示了BMP在多人三维人体网格估计方面的最先进效率以及卓越的准确性。代码可从以下链接获取：https://github.com/jfzhang95/BMP。