摘要
现有的多视角多人3D姿态估计方法通常显式建立不同视角之间的对应关系，将多相机视图中检测到的2D姿态进行关联，并分别求解每个人的3D姿态。然而，在多人场景中建立跨视角对应关系极具挑战性，错误的对应关系会导致多阶段流水线性能显著下降。为此，本文提出一种基于平面扫掠立体匹配（plane sweep stereo）的多视角3D姿态估计方法，能够在单次推理中联合完成跨视角融合与3D姿态重建。具体而言，我们针对目标相机视图中每个2D姿态的每个关节点进行深度回归。通过多个参考相机视图，利用平面扫掠算法隐式地施加跨视角一致性约束，从而提升深度回归的准确性。我们采用“粗到精”（coarse-to-fine）的策略，先估计个体级别的深度，再进行每个个体内部关节点之间的相对深度估计。最终，基于估计得到的深度信息，通过简单的反投影即可获得3D姿态。我们在多个基准数据集上对所提方法进行了评估，结果表明其性能超越了此前的最先进方法，同时具有极高的计算效率。代码已开源，地址为：https://github.com/jiahaoLjh/PlaneSweepPose。