摘要

在人体姿态和形状估计任务中，遮挡是一个关键挑战，包括自遮挡、物体-人体遮挡和人际间遮挡。缺乏多样化且准确的姿态和形状训练数据成为了一个主要瓶颈，尤其是在野外场景中的遮挡情况下。本文重点关注人际间遮挡下的人体姿态和形状估计问题，同时处理物体-人体遮挡和自遮挡。我们提出了一种新颖的框架，该框架合成了考虑遮挡的轮廓和2D关键点数据，并直接回归到SMPL姿态和形状参数。利用神经3D网格渲染器实现了即时轮廓监督，这在形状估计方面带来了显著改进。此外，我们合成了全景视角下的关键点和轮廓驱动的训练数据，以弥补现有数据集中视角多样性的不足。实验结果表明，在3DPW和3DPW-Crowd数据集上，我们的方法在姿态估计准确性方面处于先进水平。在形状估计方面，所提方法明显优于Mesh Transformer、3DCrowdNet和ROMP。在SSP-3D数据集上，我们也取得了最高的形状预测准确性。演示视频和代码将在https://igame-lab.github.io/LASOR/提供。