확산 기반 3D 인간 자세 추정 및 다중 가설 집합

본 논문에서는 확률적 3차원 인간 자세 추정을 위해 새로운 확산 기반 3D 자세 추정(D3DP) 방법과 관절별 재투영 기반 다중 가설 집합(JPMA) 방법을 제안합니다. 한편, D3DP는 단일 2D 관측에 대해 여러 개의 가능한 3D 자세 가설을 생성합니다. 이 방법은 실제 3D 자세를 점진적으로 임의의 분포로 확산시키고, 2D 키포인트를 조건으로 하는 노이즈 제거기를 학습하여 오염되지 않은 3D 자세를 복원합니다. 제안된 D3DP는 기존의 3D 자세 추정기와 호환되며, 두 개의 사용자 정의 매개변수를 통해 추론 과정에서 효율성과 정확성을 균형 있게 조절할 수 있습니다. 다른 한편으로, JPMA는 D3DP가 생성한 여러 가설을 실용적인 단일 3D 자세로 통합하기 위해 제안되었습니다. 이 방법은 3D 자세 가설을 2D 카메라 평면으로 재투영하고, 재투영 오류를 기준으로 관절별로 최상의 가설을 선택한 후, 선택된 관절들을 최종 자세로 결합합니다. 제안된 JPMA는 관절 수준에서 집합을 수행하며, 2D 사전 정보를 활용하는데, 이는 이전 접근 방식들에서 간과되었던 부분입니다. Human3.6M 및 MPI-INF-3DHP 데이터셋에 대한 광범위한 실험 결과, 본 연구 방법은 결정론적 및 확률적 접근 방식보다 각각 1.5%와 8.9% 높은 성능을 보였습니다. 코드는 https://github.com/paTRICK-swk/D3DP에서 제공됩니다.