개선된 CNN 감독을 사용한 야외 환경에서의 단일 카메라 3D 인간 자세 추정

우리는 단일 RGB 이미지에서 3D 인간 신체 자세 추정을 위한 CNN 기반 접근 방식을 제안합니다. 이 방법은 공개된 3D 자세 데이터에만 의존하여 훈련된 모델의 일반화 능력이 제한적인 문제를 해결합니다. 기존의 3D 자세 데이터와 2D 자세 데이터만을 사용하여, 학습된 특성의 전이를 통해 확립된 벤치마크에서 최고 수준의 성능을 보여주며, 동시에 야외 환경에서도 일반화할 수 있습니다. 또한, 실제 인간의 단일 카메라 이미지에서 3D 인간 신체 자세 추정을 위한 새로운 훈련 세트를 소개합니다. 이 훈련 세트는 다중 카메라 무표식(multi-camera marker-less) 모션 캡처 시스템으로 측정된 지상 진리(ground truth)를 포함하며, 기존의 데이터셋보다 더 다양한 자세, 인간 외모, 의상, 가림 현상(occlusion), 그리고 시점(viewpoints)을 제공하여 증강 범위를 확대시킵니다. 우리는 또한 실내와 실외 장면을 포함하는 새로운 벤치마크를 제공하며, 우리의 3D 자세 데이터셋이 기존 주석 데이터보다 더 우수한 야외 환경 성능을 보임을 입증합니다. 이는 2D 자세 데이터로부터의 전이 학습과 함께 사용될 때 더욱 개선됩니다.总而言وبر서, 우리는 표현의 전이 학습과 알고리즘 및 데이터 기여가 일반적인 3D 신체 자세 추정에 필수적이라고 주장합니다.