摘要

本文研究了从多个标定相机视角中估计多人三维人体姿态的任务。遵循自顶向下的范式，我们将该任务分解为两个阶段：人体定位与姿态估计，两个阶段均采用由粗到精的处理方式。为此，我们提出了三种针对特定任务的图神经网络，以实现高效的特征信息传递。在三维人体定位阶段，首先利用多视角匹配图模块（Multi-view Matching Graph Module, MMG）学习跨视角关联，恢复初步的人体候选区域；随后，中心精修图模块（Center Refinement Graph Module, CRG）通过灵活的基于点的预测进一步优化定位结果。在三维姿态估计阶段，姿态回归图模块（Pose Regression Graph Module, PRG）同时学习多视角几何关系以及人体关节间的结构关联。所提出的方法在CMU Panoptic和Shelf数据集上均取得了当前最优的性能表现，且计算复杂度显著降低。