摘要
本文探讨了从RGB图像中估计三维人体形状和姿态的问题。这是一个通常难以解决的问题，因为多个合理的三维身体模型可能与输入图像中的视觉证据相匹配——尤其是在主体被遮挡的情况下。因此，理想的做法是基于输入图像估计一个条件分布，而不是单一的三维重建结果。我们训练了一个深度神经网络来估计相对三维关节旋转矩阵（即身体姿态）上的分层矩阵费希尔分布，该方法利用了人体运动学树结构，并且还估计了SMPL身体形状参数上的高斯分布。为了进一步确保预测的形状和姿态分布与输入图像中的视觉证据相匹配，我们实现了一个可微拒绝采样器，以在真实2D关节坐标与预测分布样本之间施加重投影损失，这些样本被投影到图像平面上。我们展示了我们的方法在SSP-3D和3DPW数据集上关于三维形状和姿态指标的表现与现有最先进方法相当，同时还能生成一个结构化的三维人体形状和姿态概率分布，通过这一分布我们可以有意义地量化预测不确定性，并采样多个合理的三维重建结果来解释给定的输入图像。代码可在https://github.com/akashsengupta1997/HierarchicalProbabilistic3DHuman 获取。