要約
本論文は、RGB画像から3次元人間の体型と姿勢を推定する問題に取り組んでいます。この分野での最近の進展は、単一画像、ビデオ、またはマルチビュー画像を入力として使用することに焦点を当てています。それに対して、我々は新たな課題を提案します：制約なしで複数の画像から構成されるグループからの体型と姿勢推定です。この課題に対する我々の解決策は、グループ内の入力画像に基づいてSMPL（Skinned Multi-Person Linear model）体型と姿勢パラメータの分布を予測します。さらに、各画像から予測された体型分布を確率的に結合して、最終的な多視点画像からの形状予測を得ます。SSP-3Dデータセットやテープ測定された人間のプライベートデータセットにおいて、多視点画像入力グループに含まれる追加の体型情報が単一画像入力よりも3次元人間形状推定指標を改善することを示しています。また、3次元ボディーの分布を予測することで、大きな隠蔽がある挑戦的な入力画像に対する姿勢予測の不確実性を定量的に評価できます。我々の方法は3DPWデータセットで有意義な姿勢不確実性を示し、姿勢推定指標に関して最先端技術と競争力を有しています。