초록
우리는 3D 인간 자세 추정을 위해 어떠한 3D 주석이나 부가 정보도 사용하지 않는 새로운 방법을 제안합니다. 이 비지도 학습 문제를 해결하기 위해, 교사 네트워크는 물리적으로 타당한 3D 자세를 추정하기 위한 규제화를 목표로 포즈 사전 기반 모델링을 채택합니다. 교사 네트워크에서 발생하는 분해의 애매함을 처리하기 위해, 우리는 3D 회전 불변성을 강화하는 사이클 일관성 구조를 제안하여 교사 네트워크를 훈련시킵니다. 추정 정확도를 더욱 높이기 위해, 학생 네트워크는 유연성을 위해 새로운 그래프 컨볼루션 네트워크를 채택하여 3D 좌표를 직접 추정합니다. 또한, 교사 네트워크에서 지식 전달과 함께 3D 회전 등변성을 강화하는 또 다른 사이클 일관성 구조를 채택하여 기하학적 일관성을 활용하고 자세 추정 성능을 개선합니다. 우리는 Human3.6M 및 MPI-INF-3DHP 데이터셋에서 광범위한 실험을 수행했습니다. 우리의 방법은 최신 비지도 학습 방법에 비해 3D 관절 예측 오류를 11.4% 감소시키며, Human3.6M에서 부가 정보를 사용하는 많은 약간 지도된 방법들보다도 우수한 성능을 보입니다. 코드는 https://github.com/sjtuxcx/ITES 에서 제공될 예정입니다.