摘要

学习3D人体姿态先验对于以人类为中心的人工智能至关重要。本文介绍了一种多功能框架——GFPose，用于为各种应用建模合理的3D人体姿态。GFPose的核心是一个时间依赖的评分网络，该网络估计每个身体关节的梯度，并逐步去噪扰动的3D人体姿态以符合给定的任务规范。在去噪过程中，GFPose隐式地在梯度中融入了姿态先验，并在一个优雅的框架中统一了各种判别性和生成性任务。尽管其结构简单，但GFPose在多个下游任务中展示了巨大的潜力。我们的实验结果表明：1）作为多假设姿态估计器，GFPose在Human3.6M数据集上的表现比现有的最先进方法（SOTAs）高出20%；2）作为单假设姿态估计器，即使使用普通的骨干网络，GFPose也能取得与确定性的最先进方法相当的结果；3）GFPose能够在姿态去噪、补全和生成任务中产生多样且逼真的样本。项目页面：https://sites.google.com/view/gfpose/