【泡泡一分钟】通过对抗性参数最优化实现3D人物位姿检测（3dv-14）

每天一分钟，带你读遍机器人顶级会议文章

标题：Adversarially Parameterized Optimization for 3D Human Pose Estimation

作者：Dominic Jack, Frederic Maire, Anders Eriksson and Sareh Shirazi @QUT

来源：3dv-2017(International Conference On 3D vision)

播音员：格子

编译：郭鑫

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

我们提出了一种对抗性参数最优化框架，可以在低维学习可能的人物位置参数，从2D信息求到3D位姿。我们训练了一个对抗性生成网络来“想象”可能的位姿，然后在这个想象的空间中找到一个和观测一致的位姿。
这个框架不需要场景/观测匹配并且可以在没有数据增强的情况下实现已知的几何不变性。这个算法允许实时配置，所以可以直接利用到已知的数值而不需要额外的训练，比如相机的内/外参或者已经提供的目标的高度。
在单张图像和连续图像中，我们使用这个框架通过投影的关节位置来检测3D人物位姿。通过非常简单的浅层网络结构达到了非常有竞争力的结果，同时，我们的代码开源。

下图为这个框架通过2D位置真值得到的输出示例。

如果你对本文感兴趣，想要下载完整文章进行阅读，可以关注【泡泡机器人SLAM】公众号（paopaorobot_slam）。

回复关键字“3dv14”，即可获取本文下载链接。

泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成，希望大家珍惜我们的劳动成果，转载请务必注明出自【泡泡机器人SLAM】微信公众号，否则侵权必究！同时，我们也欢迎各位转载到自己的朋友圈，让更多的人能进入到SLAM这个领域中，让我们共同为推进中国的SLAM事业而努力！

商业合作及转载请联系liufuqiang_robot@hotmail.com