单目3D人体姿态估计中的超越弱透视方法

我们考虑从单目视频中预测三维关节位置与朝向的任务，并采用皮肤化多人体线性（SMPL）模型。首先，利用现成的姿态估计算法推断二维关节位置。随后，采用SPIN算法，通过一个深度回归神经网络估计人体姿态、形状以及相机参数的初始预测值。接着，我们采用SMPLify算法，以这些初始参数为输入，进行优化，使得SMPL模型所推导出的三维关节位置能够与二维关节检测结果相匹配。该算法包含将三维关节投影至二维图像平面的步骤。传统方法通常基于弱透视假设，并采用经验设定的焦距参数。通过在3D Poses in the Wild（3DPW）数据集上的实验，我们证明：采用完整的透视投影方法，结合正确的相机中心及近似焦距，能够获得更优的性能。基于该方法的算法在3DPW挑战赛中取得第一名，特别是在关节朝向预测精度方面表现突出。