Absolute Pose-Schätzung von Menschen mit Tiefenschätzungsnetzwerk

Der übliche Ansatz zur 3D-Pose-Schätzung von Menschen besteht darin, die Koordinaten der Körpergelenke im Bezug zum Hüftgelenk zu vorhersagen. Dies funktioniert gut für eine einzelne Person, ist aber bei mehreren interagierenden Personen unzureichend. Methoden, die absolute Koordinaten vorhersagen, schätzen zunächst eine Pose relativ zum Wurzelgelenk und berechnen dann die Translation durch eine sekundäre Optimierungsaufgabe. Wir schlagen ein neuronales Netzwerk vor, das Gelenke in einem kamerazentrierten Koordinatensystem anstatt eines wurzelrelativen Systems vorhersagt. Im Gegensatz zu früheren Methoden arbeitet unser Netzwerk in einem Schritt ohne jegliche Nachbearbeitung. Unser Netzwerk übertrifft frühere Methoden auf dem MuPoTS-3D-Datensatz und erzielt Stand-of-the-Art-Ergebnisse.