CanonPose: 自教師監督単眼3次元人間姿勢推定の実用化

単一画像からのヒューマンポーズ推定は、コンピュータビジョンにおける難問の一つであり、正確に解決するためには大量のラベル付き訓練データが必要です。しかしながら、多くのヒューマン活動（例えば屋外スポーツ）において、そのような訓練データは存在せず、従来のモーションキャプチャシステムを使用して取得することは困難または不可能です。本研究では、ラベルなしマルチビューデータから単一画像3Dポーズ推定器を学習する自己監督アプローチを提案します。この目的達成のために、マルチビューの一貫性制約を利用して観測された2Dポーズを基礎となる3Dポーズとカメラ回転に分離します。既存の大多数の手法とは異なり、当アプローチではカメラの校正が不要であるため、移動するカメラからも学習可能です。ただし、静止したカメラ設定の場合には、複数ビュー間での一定の相対的なカメラ回転をフレームワークに組み込むためのオプション拡張を提示しています。成功の鍵となるのは、新しい無偏倚な再構築目標で、これはビュー間および訓練サンプル間で情報を混合します。提案されたアプローチは、2つのベンチマークデータセット（Human3.6MおよびMPII-INF-3DHP）と実世界のSkiPoseデータセット上で評価されました。