使用改进的CNN监督进行野外单目3D人体姿态估计

我们提出了一种基于卷积神经网络（CNN）的方法，用于从单个RGB图像中估计三维人体姿态，该方法解决了仅在有限的公开3D姿态数据上训练模型导致的泛化能力不足问题。通过利用已有的3D姿态数据和2D姿态数据进行特征迁移学习，我们在既定基准测试中展示了最先进的性能，同时还能泛化到野外场景。此外，我们引入了一个新的训练集，该训练集用于从真实人类的单目图像中估计人体姿态，其地面真值是通过多摄像机无标记动作捕捉系统获取的。该训练集补充了现有数据集，在姿态、人类外观、服装、遮挡和视角方面具有更大的多样性，并且支持更广泛的增强范围。我们还贡献了一个新的基准测试，涵盖了室外和室内场景，并证明我们的3D姿态数据集在野外场景中的表现优于现有的标注数据，结合从2D姿态数据进行的迁移学习后，这一表现进一步提升。总体而言，我们认为表示的迁移学习与算法和数据贡献相结合对于实现泛化的3D人体姿态估计至关重要。