視点不変の3次元人間姿勢推定へ向けた研究

単一の深度画像から3次元の人間姿勢を推定するための視点不変モデルを提案します。この目的を達成するために、我々の識別モデルは局所領域を学習した視点不変特徴空間に埋め込みます。多タスク学習問題として定式化された当モデルは、ノイズや遮蔽がある場合でも部分的な姿勢を選択的に予測することができます。当アプローチでは、トップダウンの誤差フィードバック機構を持つ畳み込みおよび再帰ネットワークアーキテクチャを利用し、エンドツーエンドで以前の姿勢推定を自己修正します。我々は既存の深度データセットと、極端な視点からの10万枚以上の注釈付き深度画像を含む新規収集した人間姿勢データセットで当モデルを評価しました。実験結果は、当モデルが前面からの視点では競合する性能を示し、他の視点では最先端の性能を達成していることを示しています。