MeTRAbs：适用于绝对3D人体姿态估计的尺度鲁棒截断热图

热图表示多年来一直是人体姿态估计系统的基础，其向三维的扩展已成为近期研究的热点。这包括2.5D体积热图，其中X轴和Y轴对应图像空间，Z轴对应主体周围的度量深度。为了获得度量尺度的预测结果，2.5D方法需要一个单独的后处理步骤来解决尺度模糊问题。此外，它们无法定位图像边界外的身体关节，导致截断图像的姿态估计不完整。为了解决这些限制，我们提出了一种度量尺度且对截断鲁棒（MeTRo）的体积热图，其所有维度均在度量3D空间中定义，而不是与图像空间对齐。这种对热图维度的重新解释使我们能够在测试时无需距离信息或依赖于人体测量学启发式方法（如骨长）的情况下直接估计完整的度量尺度姿态。为了进一步展示我们表示法的实用性，我们提出了一种将我们的3D度量尺度热图与2D图像空间热图进行可微分组合的方法来估计绝对3D姿态（即我们的MeTRAbs架构）。我们发现，通过绝对姿态损失进行监督对于准确的非根节点相对定位至关重要。使用ResNet-50骨干网络而不再添加其他学习层，我们在Human3.6M、MPI-INF-3DHP和MuPoTS-3D数据集上获得了最先进的结果。我们将公开发布代码以促进进一步的研究。