基于深度神经网络的人体3D姿态结构化预测

最近的单目3D姿态估计方法大多依赖于深度学习。这些方法要么训练卷积神经网络直接从图像回归到3D姿态，忽略了人体关节之间的依赖关系；要么通过最大间隔结构化学习框架来建模这些依赖关系，但这在推理时涉及较高的计算成本。本文介绍了一种用于从单目图像进行结构化预测的3D人体姿态深度学习回归架构，该架构基于过完备自动编码器来学习高维潜在姿态表示，并考虑了关节之间的依赖关系。我们证明了我们的方法在结构保持和预测准确性方面均优于现有最先进方法。