PI-Net: 複数人物の単眼3D姿勢推定のための姿勢相互作用ネットワーク

最近の文献では、単眼3D姿勢推定タスクが非常に満足いく結果を示しています。これらの研究では、通常、異なる人物は独立した姿勢インスタンスとして扱われますが、多くの日常的な状況において、人々は相互作用しており、個々の人物の姿勢はその相互作用相手の姿勢に依存します。本論文では、この依存関係を活用して現在の（そして将来の）深層学習ネットワークによる単眼3D姿勢推定を向上させる方法について調査しました。私たちが提案するPI-Net（Pose Interacting Network）は、変動する数の相互作用相手の初期姿勢推定値を再帰的なアーキテクチャに入力し、対象人物の姿勢を洗練することを目指します。このような手法の評価は、公開された注釈付き多人物3D人間姿勢データセットが限られているため困難です。私たちはMuPoTSデータセットで当手法の有効性を示し、新たな最先端技術となることを確認しました。3D姿勢の真値が利用できない他の多人物データセットでの定性的な結果も、提案されたPI-Netの有用性を示しています。PI-NetはPyTorchで実装されており、論文が受理され次第コードを公開する予定です。