摘要
遮挡对单目多人3D人体姿态估计构成了巨大威胁，因为遮挡物在形状、外观和位置上存在很大的变异性。尽管现有方法尝试通过姿态先验/约束、数据增强或隐式推理来处理遮挡问题，但它们仍然无法泛化到未见过的姿态或遮挡情况，并且在多人同时出现时可能会出现较大错误。受到人类能够从可见线索中推断出被遮挡关节的显著能力的启发，我们开发了一种显式建模这一过程的方法，该方法显著提高了有无遮挡情况下自下而上的多人人体姿态估计的准确性。首先，我们将任务分为两个子任务：可见关键点检测和被遮挡关键点推理，并提出了一种深度监督编码器蒸馏（DSED）网络来解决第二个子任务。为了训练我们的模型，我们提出了一种基于骨架的人体形状拟合（SSF）方法，在现有的数据集上生成伪遮挡标签，从而实现显式的遮挡推理。实验结果表明，从遮挡中显式学习可以提高人体姿态估计的效果。此外，利用可见关节在特征层面的信息使我们能够更准确地推断出被遮挡的关节。我们的方法在多个基准测试中超越了当前最先进的自上而下和自下而上的方法。