적응형 포인트 클라우드 샘플링 전략을 이용한 순차적 3차원 인간 자세 추정

3D 인간 자세 추정은 인공지능 분야에서 핵심적인 문제이며, 증강현실/가상현실(AR/VR), 인간-컴퓨터 상호작용(HCI), 로봇 공학 등 다양한 분야에 광범위한 응용을 가지고 있다. 그러나 기존의 수작업 기반(point cloud sampling) 및 단일 프레임 기반 추정 전략으로 인해 포인트 클라우드로부터의 인간 자세 추정은 여전히 노이즈가 많은 포인트와 추정 결과의 불안정한 진동(자잘한 진동, jittery artifacts) 문제를 겪고 있다. 본 논문에서는 포인트 클라우드 시퀀스로부터 3D 인간 자세를 추정하는 새로운 접근 방식을 제안한다. 입력 포인트 클라우드에서 효과적인 포인트를 샘플링하기 위해 밀도 지도(attention mechanism) 기반의 미분 가능(differentiable)한 포인트 클라우드 샘플링 방법을 설계하였다. 또한, 기존 3D 인간 자세 추정에서 발생하는 진동 문제를 완화하기 위해 시계열 정보(temporal information)를 활용하여 보다 안정적인 추정 결과를 도출한다. ITOP 데이터셋과 NTU-RGBD 데이터셋에서 수행한 실험 결과, 본 연구에서 제안한 모든 구성 요소가 효과적임을 입증하였으며, 제안한 방법이 최첨단(SOTA, state-of-the-art) 성능을 달성함을 확인하였다.