AdaptPose: 学習可能な動作生成による3D人間姿勢推定のクロスデータセット適応

本論文では、3次元人間姿勢推定モデルのクロスデータセット汎化問題に取り組んでいます。事前学習された3次元姿勢推定器を新しいデータセットでテストすると、性能が大幅に低下します。従来の手法は主に、訓練データの多様性を向上させることによってこの問題に対処してきました。しかし、私たちは多様性だけでは不十分であり、訓練データの特性（カメラ視点、位置、人間の動作、体格など）を新しいデータセットに適応させる必要があると主張しています。これを達成するために、私たちはAdaptPoseというエンドツーエンドのフレームワークを提案します。AdaptPoseは、ソースデータセットから合成3次元人間運動を生成し、それらを使用して3次元姿勢推定器を微調整する仕組みです。AdaptPoseは敵対的学習スキームに従っています。ソース3次元姿勢からジェネレータは3次元姿勢のシーケンスとカメラ方位を生成し、これを使用して生成された姿勢を新しい視点に投影します。3次元ラベルやカメラ情報が一切ない状況でも、AdaptPoseは2D姿勢のみで訓練されながら目標データセットから合成3次元姿勢を作成することを成功裏に学習しました。Human3.6M, MPI-INF-3DHP, 3DPW, Ski-Poseデータセットでの実験において、私たちの方法はクロスデータセット評価で従来の手法よりも14%優れています。また、部分的な3次元アノテーションを使用する従来の半教師あり学習手法よりも16%優れた結果を示しています。注：「Ski-Pose」などの固有名詞や「cross-dataset generalization」、「adversarial training scheme」などの専門用語については一般的な日本語訳を使用しました。「Ski-Pose」（スキーポーズ）、「cross-dataset generalization」（クロスデータセット汎化）、「adversarial training scheme」（敵対的学習スキーム）などはそのまま使用しました。