구조와 운동으로부터 3D 인간 자세 학습

단일 이미지에서 3D 인간 자세 추정은 특히 3D 주석 데이터의 부족으로 인해 야외 환경에서 매우 어려운 문제입니다. 본 연구에서는 해부학적으로 영감을 받은 두 가지 손실 함수를 제안하고, 이들을 약간 감독된 학습 프레임워크와 함께 사용하여 대규모 야외 2D 및 실내/합성 3D 데이터로부터 공동으로 학습합니다. 또한, 예측된 자세 시퀀스에 존재하는 시간적 및 구조적 힌트를 활용하여 시간적으로 자세 추정을 조화시키는 간단한 시간 네트워크를 제시합니다. 우리는 손실 표면 시각화와 민감도 분석을 통해 제안된 기여점을 철저히 분석하여 그 작동 메커니즘에 대한 더 깊은 이해를 돕습니다. 우리의 완전한 파이프라인은 Human3.6M과 MPI-INF-3DHP에서 각각 최신 기술보다 11.8%와 12% 개선되었으며, 일반적인 그래픽 카드에서 30 FPS로 실행됩니다.