多 hypothsis 3D 人間姿勢推定指標は、誤ったキャリブレーションの分布を好む

深度の曖昧さと遮蔽のため、2Dポーズを3Dに変換することは非常に困難な問題（ill-posed problem）である。可能なポーズの確率分布を適切に調整することで、これらの曖昧さを明示的に表現し、下流タスクでの結果の不確実性を保つことができる。本研究では、これらの曖昧さに対処するために複数の仮説を生成する従来の試みが、誤調整された分布（miscalibrated distributions）を生じることが示されている。我々は、サンプルベースの指標（sample-based metrics）、例えばminMPJPEを使用することが誤調整の原因であることを特定した。一連のシミュレーションを通じて、一般的に行われているminMPJPEの最小化が正解の平均予測に収束すべきであることを示した。しかし、この方法は不確実性を正確に捉えることができず、結果として誤調整された分布が生じる。この問題を緩和するために、我々は条件付きグラフ正規化フロー（Conditional Graph Normalizing Flow, cGNFs）と呼ばれる正確で適切に調整されたモデルを提案する。当該モデルは単一のcGNFで条件付き密度と周辺密度双方を推定できることから、事前学習なしで密度推定を行う問題（zero-shot density estimation problem）を効果的に解決できるように構造化されている。我々はHuman~3.6Mデータセット上でcGNFを評価し、cGNFが全体的なminMPJPEにおいて最先端レベルに近い性能を持ちつつも適切に調整された分布推定を提供することを示した。さらに、cGNFは遮蔽された関節に対して従来の手法よりも優れた性能を発揮しつつも適切に調整された状態を維持している。以上が翻訳となります。ご確認ください。