ECCV 2024 | 利用更易广泛获取的人体掩膜，实现SOTA无监督3D姿态估计

文章预览

精确的人体 3D 姿态估计是众多领域的基础，如机器人、运动表现分析等，而获取大量的自然条件下的 3D 姿态标注极其困难。具体而言， 3D 姿态真值获取通常需要搭建动作捕捉环境 。该方式仍然需要耗费大量人力物力，且数据受限于动作类型和人体外貌多样性，因而使得以 3D 真值为基础的全监督姿态估计算法难以泛化到更多室外场景。 上海人工智能实验室的研究团队着眼于无监督的姿态估计， 旨在发挥该类算法能够利用大量室外未标注的数据的特性，增强模型性能 。考虑到无监督的分割算法 [1] 在室外场景的优秀表现，研究团队探索了利用更易广泛获取的人体掩膜作为监督信号，完成端到端的无监督 3D 姿态估计的算法，近期为 ECCV 2024 接收。 论文标题： Mask as Supervision: Leveraging Unified Mask Information for Unsupervised 3D Pose Estimation  论文链接： https://ar ………………………………