摘要
学习关节物体姿态本质上非常困难，因为姿态具有高维度但又存在许多结构约束。现有的大多数工作没有建模这些约束，也无法保证其姿态估计的几何有效性，因此如果需要恢复正确的几何结构，则必须进行后处理，这既繁琐又次优。在本工作中，我们提出将运动学物体模型直接嵌入到深度神经网络学习中，以实现一般关节物体的姿态估计。运动学函数定义在适当参数化的物体运动变量上，可微分，并且可以在基于梯度下降的网络训练优化中使用。充分利用了物体几何模型的先验知识，并确保结构的有效性。我们在一个玩具示例和3D人体姿态估计问题上展示了令人信服的实验结果。对于后者，我们在Human3.6M数据集上取得了最先进的结果。