Three Recipes for Better 3D Pseudo-GTs of 3D Human Mesh Estimation in the Wild 3D 인간 메시 추정에서 더 나은 3D 유사 GT를 위한 세 가지 방법

야외에서 3D 인간 메시를 복원하는 것은 야외 데이터셋(ITW)이 오직 2D 자세 지표(GTs)만을 제공하기 때문에 매우 어려운 문제입니다. 최근에는 3D 가상 지표(pseudo-GTs)가 널리 사용되어 ITW 데이터셋으로 3D 인간 메시 추정 네트워크를 훈련시키는 데 있어 3D 메시 감독을 가능하게 합니다. 그러나, 3D 가상 지표의 큰 잠재력에도 불구하고, 이들이 유용해지기 위해 중요한 요소들을 조사하는 광범위한 분석은 아직 이루어지지 않았습니다. 본 논문에서는 ITW 데이터셋에서 매우 유용한 3D 가상 지표를 얻기 위한 세 가지 방법론을 제시합니다. 주요 과제는 3D 가상 지표를 얻을 때 오직 2D 기반의 약한 감독만이 허용된다는 점입니다. 우리의 세 가지 방법론 각각은 이 과제의 다른 측면인 깊이 모호성, 약한 감독의 부적절성, 그리고 비현실적인 관절 운동성을 다룹니다. 실험 결과, 최신 기술(state-of-the-art) 네트워크를 우리의 새로운 3D 가상 지표로 단순히 재훈련시키는 것만으로도 특별한 튜닝 없이 성능이 한 단계 더 높아짐을 보여줍니다. 3D 가상 지표는 공개적으로 https://github.com/mks0601/NeuralAnnot_RELEASE에서 이용할 수 있습니다.