Description

我们提出了第一种实时方法，用于在各种不受约束的日常活动中对 3D 人体姿势进行以自我为中心的估计。此设置具有一组独特的挑战，例如硬件设置的移动性，以及从跟踪故障中快速恢复的长捕获会话的稳健性。我们基于一种新颖的轻量级设置来解决这些挑战，该设置将标准棒球帽转换为基于单个安装在帽上的鱼眼镜头的高质量姿势估计设备。从捕获的以自我为中心的实时流中，我们基于 CNN 的 3D 姿势估计方法在消费级 GPU 上以 60 Hz 的频率运行。除了新颖的硬件设置外，我们的其他主要贡献是：1）自上而下鱼眼图像的大型地面实况训练语料库；2）一种新颖的解缠结 3D 姿态估计方法，该方法考虑了以自我为中心的观点的独特属性。正如我们的评估所示，与现有基线相比，我们实现了更低的 3D 关节误差以及更好的 2D 覆盖。

Contact

For questions, clarifications, and access to the dataset, please get in touch with:
Weipeng Xu
wxu@mpi-inf.mpg.de