Kameradistanz-bewusster Top-Down-Ansatz für die 3D-Mehrpersonen-Poseestimierung aus einem einzelnen RGB-Bild

Obwohl in der 3D-Pose-Schätzung von Menschen kürzlich erhebliche Fortschritte gemacht wurden, behandeln die meisten bisherigen Methoden nur den Fall einer einzelnen Person. In dieser Arbeit schlagen wir erstmals einen vollständig lernbasierten, kamerabasierten Top-Down-Ansatz für die 3D-Multi-Person-Pose-Schätzung aus einem einzelnen RGB-Bild vor. Der Prozess der vorgeschlagenen Systemarchitektur umfasst Module zur Erkennung von Personen, zur absoluten 3D-Lokalisation des menschlichen Wurzelpunkts und zur Wurzel-relativen 3D-Pose-Schätzung einer einzelnen Person. Unser System erzielt vergleichbare Ergebnisse mit den besten aktuellen Modellen für die 3D-Pose-Schätzung einer einzelnen Person ohne Verwendung von Ground-Truth-Daten und übertrifft signifikant die bisherigen Methoden für die 3D-Multi-Person-Pose-Schätzung auf öffentlich verfügbaren Datensätzen.Der Quellcode ist unter folgenden Links verfügbar: https://github.com/mks0601/3DMPPE_ROOTNET_RELEASE, https://github.com/mks0601/3DMPPE_POSENET_RELEASE.