
摘要
本技术报告介绍了我们在ECCV 2022 EgoBody挑战赛中提出的解决方案MEEV。该数据集由头戴设备捕获,包含互动人物的人体形状和运动数据。EgoBody数据集存在诸如遮挡身体或图像模糊等挑战。为了克服这些挑战,MEEV设计了利用多尺度特征以获取丰富空间信息的方法。此外,为了解决数据集规模有限的问题,模型在聚合的2D和3D姿态估计数据集上进行了预训练。MEEV在MPJPE指标上达到了82.30,在MPVPE指标上达到了92.93,赢得了ECCV 2022 EgoBody挑战赛,这表明所提出方法的有效性。代码已发布在https://github.com/clovaai/meev。
代码仓库
clovaai/meev
官方
pytorch
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| 3d-human-pose-and-shape-estimation-on-egobody | MEEV | Average MPJPE (mm): 82.3032 MPVPE: 92.9391 PA-MPJPE: 55.1292 PA-MPVPE: 62.9764 |
| 3d-human-pose-estimation-on-3dpw | MEEV | MPJPE: 81.74 |