3Dヒューマンメッシュ推定の野生環境でのより良い3D疑似GTのための3つのレシピ

野生環境下の人間の3Dメッシュの復元は、野生環境（ITW）データセットが2Dポーズの正解データ（GTs）のみを提供するため、非常に困難です。最近では、3D疑似GTが3D人間メッシュ推定ネットワークの学習に広く使用されています。これは、3D疑似GTがITWデータセットでの学習時に3Dメッシュ監督を可能にするからです。しかし、3D疑似GTの大きな可能性にもかかわらず、どの要因がより有益な3D疑似GTを作成するために重要であるかを調査した包括的な分析はこれまで行われていませんでした。本論文では、ITWデータセットから非常に有益な3D疑似GTを得るための三つの方法を提案します。主な課題は、3D疑似GTを取得する際に2Dベースの弱い監督しか許可されていないことです。私たちが提案する三つの方法それぞれは、この課題に対処しています：深さの曖昧性、弱い監督の非最適性、および非現実的な関節運動。実験結果は示しています：単純に最新のネットワークを私たちが提案する新しい3D疑似GTで再学習することで、特別な工夫なしにその性能が次のレベルに向上することを。また、この3D疑似GTは公開されており、https://github.com/mks0601/NeuralAnnot_RELEASE から利用可能です。